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

فن آوری سنجش از دور ابرطیفی دارای کاربردهای فراوان در طبقه­بندی پوشش های زمین و بررسی تغییرات آنها می باشد. با پیشرفت های اخیر و ایجاد تصاویری با قدرت تفکیک مکانی بالا، لزوم استفاده توام از اطلاعات طیفی و مکانی را در طبقه­ بندی تصاویر ابرطیفی ایجاب می کند. در این تحقیق سعی می گردد تاثیر کاهش ابعاد به کمک الگوریتم ژنتیک را در فرآیند طبقه­ بندی طیفی-مکانی تصاویر ابرطیفی بررسی شود. در میان الگوریتم های مختلف طبقه­ بندی طیفی-مکانی تصاویر ابرطیفی، تاکنون سه الگوریتم قطعه­ بندی واترشد، هرمی و جنگل پوشای مینیمم مبتنی بر نشانه در ترکیب با الگوریتم طبقه­بندی ماشین بردار پشتیبان به بهترین نتایج دست یافته اند. در روش­ پیشنهادی ابتدا به کمک الگوریتم ژنتیک ابعاد تصویر ابرطیفی کاهش یافته سپس بر روی باندهای حاصل، سه الگوریتم قطعه­ بندی مذکور پیاده­ سازی گردید. در نهایت نقشه­ های قطعه­ بندی بدست آمده به کمک قانون تصمیم رای اکثریت با نقشه طبقه­ بندی ماشین بردار پشتیبان ترکیب شد. روش­ پیشنهادی بر روی سه تصویر ابرطیفی pavia،  telops و dc mall پیاده­ سازی گردید، نتایج آزمایشات بدست آمده برتری استفاده از کاهش ابعاد در الگوریتم جنگل پوشای مینیمم مبتنی بر نشانه و استفاده از تمام باندهای تصویر در الگوریتم های واترشد و هرمی مبتنی بر نشانه را نشان می دهد.