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

Authors

داود اکبری

davood akbari عبدالرضا صفری

abdolreza safari صفا خزائی

safa khazai

abstract

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.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهبود طبقه بندی طیفی-مکانی تصاویر ابرطیفی با به کارگیری اطلاعات مکانی در انتخاب نشانه ها

فنآوری سنجش از دور ابرطیفی دارای کاربردهای فراوان در طبقه‌ بندی پوشش‌ های زمین و بررسی تغییرات آنها است. معمولترین روش جهت طبقهبندی تصاویر ابرطیفی، طبقه‌ بندی مبتنی بر پیکسل بوده که در آن هر پیکسل فقط با اطلاعات طیفی خود و بدون در نظر گرفتن پیکسل های همسایه، به کلاس مشخصی اختصاص می‌ یابد. پیشرفتهای اخیر و ایجاد تصاویری با قدرت تفکیک مکا...

full text

طبقه‌بندی طیفی-مکانی تصاویر ابرطیفی به کمک ویژگی‌های گشتاور‌ هندسی تصویر و الگوریتم ژنتیک

از تصاویر ابرطیفی همواره در حوزه‌های مختلفی مانند کشاورزی، زمین‌شناسی و معدن، مدیریت شهری، نظامی، شناسایی اهداف و... استفاده است. طبقه‌بندی که یکی از مهم‌ترین شاخه‌ها از الگوریتم‌های پردازشی داده‌های ابرطیفی است که به‌طور سنتی با اطلاعات طیفی انجام می‌شود. تحقیقات گوناگون نشان داده است که استفاده از ویژگی‌های مکانی تصویر در کنار ویژگی‌های طیفی موجب می‌‌شود دقت طبقه‌بندی به میزان چشمگیری افزایش ...

full text

انتخاب باندهای بهینه جهت بهبود جداسازی طیفی تصاویر ابرطیفی

مدل آنالیز ترکیب خطی به طور گسترده‌ای برای برآورد سهم هر ماده خالص در اختلاط طیفی مورد استفاده قرار می‌گیرد. راه‌حل ریاضی مسئله ترکیب، حل مجموعه‌ای از معادلات خطی با استفاده از روش کمترین مربعات می‌باشد. اما بیشترین منبع خطا در روش‌های متداول آنالیز ترکیب طیفی ناشی از عدم امکان محاسبه تغییرات طیفی اعضای خالص در سیر زمان و مکان است. در این فرآیند از اعضای خالص ثابتی برای کل صحنه تصویربرداری استف...

full text

بهبود شناسایی تغییرات در مناطق شهری با انتخاب ویژگی های طیفی و مکانی بهینه مبتنی بر الگوریتم ژنتیک

آنالیز تصاویر چندزمانه سنجش‌از دور، تکنیک کارآمدی برای شناسایی تغییرات کاربری و پوشش اراضی در مناطق شهری می‌باشد. جدا از تکنیک بکار رفته برای شناسایی تغییرات،فضای ویژگی تأثیر بسیار زیادی در صحت نتایج دارد. حصول نتایج رضایت‌بخش در شناسایی تغییرات مناطق شهری، مستلزم بکارگیری ویژگی‏ های طی...

full text

ناحیه بندی تصاویر ابرطیفی با به کارگیری ویژگی های طیفی-مکانی

سنسورهای سنجش از دور ابرطیفی، با اخذ تصویر در چند صد طول موج مختلف، احتمال تفکیک پذیری مواد موجود در صحنه را نسبت به تصاویر چند طیفی افزایش داده و امکان طبقه بندی تصویر در تعداد کلاس های بیشتر و با دقت بالاتر را فراهم می آورند. بااین وجود، مشکلات ناشی از ابعاد بالای تصاویر ابرطیفی در بعد طیفی، موجب ناکارآمدی روشهای متداول طبقه بندی تصاویر چندطیفی در این تصاویر می شود (نفرین ابعاد). برای حل این ...

My Resources

Save resource for easier access later


Journal title:
مهندسی فناوری اطلاعات مکانی

جلد ۳، شماره ۱، صفحات ۴۵-۶۰

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023