طبقه بندی تصاویر فراطیفی با استفاده از اطلاعات طیفی و هندسی

سنجنده های ابرطیفی قابلیت جمع آوری داده در تعداد باندهای طیفی بسیار زیاد را دارند، به نحوی که می توان به کمک این سنجنده ها به یک منحنی طیفی تقریباً پیوسته برای اشیاء زمینی رسید. به همین دلیل برای طبقه بندی دقیق بسیار مناسب هستند. طبقه بندی وظیفه مهمی در بسیاری از زمینه های کاربردی است. با این وجود، ابعاد بالای داده ها، چالش هایی را برای آنالیز تصاویر ابرطیفی نشان می دهند. در حالی که اکثر تکنیک های طبقه بندی پیشنهاد شده ی قبلی هر پیکسل را بصورت مستقل و بدون در نظر گرفتن اطلاعاتی در مورد ساختار های مکانی، پردازش می کنند، تحقیقات اخیر در پردازش تصاویر ابرطیفی بر اهمیت مشارکت محتوای مکانی در طبقه بندی کننده ها متمرکز شده اند. در این تحقیق روشها و الگوریتم های جدید طیفی_مکانی، برای طبقه بندی داده ابر طیفی ارائه شده است. روش پیشنهادی در این تحقیق با استفاده ی همزمان از اطلاعات طیفی و اطلاعات مکانی حاصل از آنالیز مورفولوژی، نتایج نهایی طبقه بندی را در تصاویر ابر طیفی بهبود می بخشد. ابتدا با استفاده از نمونه های آموزشی محدود، ویژگی های منتخب اولیه را استخراج کرده و پس از اعمال آنالیزهای مورفولوژی بر روی هر یک از ویژگی های منتخب اولیه، پروفایل های مورفولوژی تشکیل می شود و از ترکیب پروفایل ها، پروفایل مورفولوژی گسترده شده تولید می شود. سپس پروفایل مورفولوژی گسترده شده با ویژگی های منتخب اولیه ترکیب شده و مجددا استخراج ویژگی نهایی انجام می شود. ویژگی های منتخب نهایی با استفاده از طبقه بندی کننده ماشین بردار پشتیبان طبقه بندی می شوند. سپس پس پردازش تصویر نهایی با استفاده از فیلتر رای گیری اکثریت انجام می شود. روش پیشنهادی، روی داده شهری و نیمه شهری از سنجنده rosis تست شد. دقت طبقه بندی نهایی از ‏ 98.86 و 82.70 در روش های معمولی به 99.36 و 95.75 در روش پیشنهادی به ترتیب در تصویر منطقه شهری و نیمه شهری افزایش می یابد.