انتخاب ویژگی برمبنای ترکیب روش حداقل افزونگی-حداکثر ارتباط و الگوریتم ژنتیک جهت طبقه بندی تصویر تلفیقی اپتیکی و رادار با روزنه مجازی

استفاده از داده­های چند منبعی، به‌ویژه استفاده ترکیبی از تصاویر اپتیکی و راداری، روشی موفق در بهبود سطح تفسیرپذیری داده­های سنجش‌ازدور است. در این راستا، تولید و انتخاب ویژگی­های مناسب از این داده­ها، چالشی جدی در حوزه تحقیقات اخیر می­باشد. در تحقیق حاضر، با هدف کاهش زمان دستیابی به ویژگی‌های بهینه، روشی جدید جهت انتخاب ویژگی از تصاویر تلفیقی اپتیکی و راداری ارائه‌شده است. در روش پیشنهادی، با ترکیب روش حداقل افزونگی-حداکثر ارتباط و الگوریتم ژنتیک، ویژگی‌های بهینه انتخاب می‌شوند. در این راستا، ابتدا ویژگی‌های مختلفی از تصویر استخراج‌شده و از طریق دو روش الگوریتم ژنتیک و روش حداقل افزونگی-حداکثر ارتباط- ژنتیک ویژگی­های بهینه انتخاب می­شوند. پس از آن تصویر توسط SVM طبقه‌بندی می‌شود. در نهایت نتایج نشان می­دهد که دقت روش پیشنهادی با حصول دقت کلی 97.25، در حدود 3 درصد بیشتر از دقت روش SVM با استفاده از تمام ویژگی‌ها است. همچنین دقت کلی روش پیشنهادی و روش ژنتیک نزدیک به یکدیگر می‌باشد. درحالی­که سرعت عملکرد روش پیشنهادی تقریباً 2.5 برابر سرعت عملکرد انتخاب ویژگی توسط روش ژنتیک است. بنابراین نتایج حاصل مؤید کارایی روش پیشنهادی است.