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 الگوریتم‌های 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 یافته‌اند. 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 بدست‌آمده 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 می‌دهد.