ارائه یک پیش پردازشگر مکانی طیفی جدید برای بهبود تجزیه طیفی تصاویر ابرطیفی

: هدف از تجزیه طیفی تصاویر ابرطیفی، استخراج امضاهای طیفی عناصر خالص تشکیل­دهنده پیکسل های صحنه و فراوانی آن هاست. بیشترِ الگوریتم های به کاررفته در فرآیند استخراج امضاهای طیفی، بدون آنکه ساختار و همبستگی مکانی پیکسل های تصویر را در نظر بگیرند، تنها به اطلاعات طیفی پیکسل های تصویر توجه کرده اند. به تازگی الگوریتم هایی پباده­سازی شده است که به کمک ترکیب اطلاعات مکانی و طیفی، فرآیند شناسایی عناصر خالص و تجزیه طیفی را بهبود می­بخشند. در این مقاله، یک ماژول پیش پردازشگر جدید مکانی طیفی ارائه شده است؛ به طوری که پیکسل های نواحی مرزی به کمک نقشه کلاس به دست­آمده از الگوریتم کلاسترینگ، بدون نظارت و پنجره همسایگی 8تایی، میان دو یا چند ناحیه کلاستر را شناسایی و این نواحی ناهمگن مکانی را حذف می­کنند. سپس به کمک محاسبه وزن خلوص طیفی پیکسل های غیرِمرزی و آستانه گذاری، پیکسل های موجود در نواحی همگن مکانی و خالص طیفی را شناسایی می کنند تا طبقات استخراج عناصر خالص بعدی بتوانند با دقت و سرعت بیشتری، امضاهای طیفی را استخراج کنند. هدف ماژول مستقل پیشنهادی، کاهش خطای rmse تصویرِ بازسازی شده و مدت زمان پردازش لازم برای استخراج عناصر خالص و بهبود معیار جدیدی به نام بازده نسبت به دیگر طبقات پیش­پردازشگر موجود بر روی تصاویر ابرطیفی واقعی است.