جاسازی خط ویژگی وزن‌دار برای استخراج ویژگی تصاویر ابرطیفی

نویسندگان

  • ایمانی, مریم
  • قاسمیان, حسن
چکیده

One of the most preprocessing steps before the classification of hyperspectral images is supervised feature extraction. Because obtaining the training samples is hard and time consuming, the number of available training samples is limited. We propose a supervised feature extraction method in this paper that is efficient in small sample size situation. The proposed method, which is called weighted feature line embedding (WFLE), uses the feature line concepts for production of virtual training samples and then, uses them for estimation of within-class and between-class scatter matrices. The new idea of WFLE is based on more correction on the non-appropriate and abnormal samples through weighting process in estimation of scatter matrices. The WFLE is compared with some popular and state-of-the-art feature extraction methods such as LDA, GDA, NWFE, NPE, LPP and NFLE. The experimental results show the good performance of WFLE in comparison with other methods in small sample size situation.

برای دانلود باید عضویت طلایی داشته باشید

برای دسترسی به متن کامل این مقاله و 10 میلیون مقاله دیگر ابتدا ثبت نام کنید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

جاسازی خط ویژگی وزن دار برای استخراج ویژگی تصاویر ابرطیفی

یکی از مراحل مهم قبل از طبقه بندی تصاویر ابرطیفی، کاهش ویژگی با استفاده از روش های استخراج ویژگی است. در این مقاله یک روش استخراج نظارت شده پیشنهاد شده که دارای کارایی خوبی با استفاده از تعداد نمونه های آموزشی محدود است. روش استخراج ویژگی پیشنهادی که جاسازی خط ویژگی وزن دار (wfle) نامیده شده، از مفاهیم  خط ویژگی برای تولید نمونه های آموزشی مجازی استفاده می کند. نمونه های آموزشی مجازی تولید شده ...

متن کامل

استخراج ویژگی در تصاویر ابرطیفی به کمک برازش منحنی با توابع گویا

In this paper, with due respect to the original data and based on the extraction of new features by smaller dimensions, a new feature reduction technique is proposed for Hyper-Spectral data classification. For each pixel of a Hyper-Spectral image, a specific rational function approximation is developed to fit its own spectral response curve (SRC) and the coefficients of the numerator and denomi...

متن کامل

تحلیل ممیز طیفی و مکانی برای استخراج ویژگی ادغام شده در تصاویر ابرطیفی

: ادغام ویژگی های ارزشمند طیفی و مکانی در تصاویر ابرطیفی با تفکیک مکانی بالا، دقت طبقه بندی را به مقدار قابل توجهی بهبود می بخشد. در این مقاله یک روش استخراج ویژگی طیفی- مکانی بر مبنای تحلیل ممیز پیشنهاد شده است. برای افزایش تفکیک پذیری کلاس ها، پراکندگی های بین کلاسی حداکثر و پراکندگی های درون کلاسی حداقل شده است. برای وارد نمودن اطلاعات مکانی در فرآیند استخراج ویژگی، پراکندگی های مکانی در یک ...

متن کامل

استخراج ویژگی در تصاویر ابرطیفی به کمک برازش منحنی با توابع گویا

در این مقاله روشی برای کاهش ویژگی در تصاویر ابرطیفی به منظور طبقه‏بندی این داده‏ها معرفی شده است که بر مبنای استخراج ویژگیهای جدید با ابعادی بسیار کمتر از ابعاد ویژگیهای نخستین عمل می‏کند. برای هر پیکسل از یک تصویر ابرطیفی یک تابع تقریب کسری گویای مجزا از طریق برازش بر منحنی پاسخ طیفی آن پیکسل تولید می‏شود. ضرائب چند جمله‏ایها‏ی‏ صورت و مخرج این تابع به عنوان ویژگیهای جدید انتخاب می‏شوند. روش پ...

متن کامل

الگوی انتروپی محلی جهت استخراج ویژگی های تصاویر بافتی

روشهای زیادی برای استخراج ویژگی از تصاویر بافتی ارائه شده اند، یکی از مهمترین و ساده ترین روش ها، روش های مبتنی بر الگوی دودویی محلی است که بدلیل سادگی در پیاده سازی و استخراج ویژگی های مناسب با دقت طبقه بندی بالا، مورد توجه بسیاری از متخصصان قرار گرفته است. همچنین از ترکیب الگوی دودویی محلی و واریانس محلی ویژگی هایی با نتایج بهتر طبقه بندی تولید شده است. در اینجا از یک روش جدید بنام الگوی انتر...

متن کامل

تاثیر انتخاب ویژگی به کمک الگوریتم ژنتیک بر طبقه بندی طیفی مکانی تصاویر ابرطیفی

فن‌آوری سنجش از دور ابرطیفی دارای کاربردهای فراوان در طبقه­بندی پوشش‌های زمین و بررسی تغییرات آنها می‌باشد. با پیشرفت‌های اخیر و ایجاد تصاویری با قدرت تفکیک مکانی بالا، لزوم استفاده توام از اطلاعات طیفی و مکانی را در طبقه­ بندی تصاویر ابرطیفی ایجاب می‌کند. در این تحقیق سعی می‌گردد تاثیر کاهش ابعاد به کمک الگوریتم ژنتیک را در فرآیند طبقه­ بندی طیفی-مکانی تصاویر ابرطیفی بررسی شود. در میان الگوریت...

متن کامل

ذخیره در منابع من

ذخیره در منابع من ذخیره شده در منابع من

{@ msg_add @}

  با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی راحت تر خواهید کرد

دانلود متن کامل

برای دسترسی به متن کامل این مقاله و 10 میلیون مقاله دیگر ابتدا ثبت نام کنید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید


عنوان ژورنال:

دوره 13  شماره 2

صفحات  115- 132

تاریخ انتشار 2016-07

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

copyright © 2015-2021