استخراج ویژگی نیمه نظارت شده به منظور کاهش بعد تصاویر ابرطیفی

پایان نامه
  • وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی صنعتی کرمان - دانشکده نقشه برداری
  • نویسنده طیب علی پورفرد
  • استاد راهنما برات مجردی
  • سال انتشار 1391
چکیده

در بخش نظارت شده با مشارکت واریانس هر کلاس در تعدیل فاصله بین کلاسی روش جدیدی با نام alda ارائه شده است. نتایج آزمایش بر روی داده ی محک زن indiana pine نشان از بهبود 4 درصدی صحت طبقه بندی بر روی ویژگی های استخراج شده از روش پیشنهادی نسبت به روش های بر پایه lda دارد.دو ضعف اصلی روش های نظارت نشده انتخاب تصادفی پیکسل های بدون برچسب و محاسبه نزدیکترین همسایگی ها بر پایه فاصله اقلیدسی است.انتخاب تصادفی پیکسل ها سبب به دست آمدن نتایج مختلف در هر بار اجرای الگوریتم و محاسبه نزدیکترین همسایگی ها بر پایه فاصله اقلیدسی باعث چندراهه شدن و اتصال کوتاه بین نقاط می شود. در این تحقیق با کمک وابستگی های طیفی و مکانی پیکسل های بدون برچسب با پیکسل های برچسب دار مشکل انتخاب تصادفی داده ها حل شده است. هم چنین از زاویه طیفی (sam) برای محاسبه نزدیکترین همسایگی ها استفاده شده است. پیاده سازی دو ایده فوق بر روی روش نظارت نشدهnpeسبب بهبود 5 درصدی و ارائه روش نوین mnpe شده است. در این تحقیق با ترکیب روش های پیشنهادی فوق (alda وmnpe ) یک روش نیمه نظارت شده جدید با نام aseda ارائه شده است. این روش از مزایای روش های نظارت شده و نظارت نشده به طور همزمان استفاده می کند و مشکلات محدود بودن تعداد ویژگی های استخراج شده، پدیده hughes و یکتایی ماتریس پراکندگی داخل کلاسی روش های پیشین را رفع کرده است. نتایج آزمایش نشان از بهبود 3 درصدی صحت طبقه بندی بر روی ویژگی های استخراج شده از روش پیشنهادی نسبت به روش های نیمه نظارت شده پیشین دارد.

منابع مشابه

جاسازی خط ویژگی وزن‌دار برای استخراج ویژگی تصاویر ابرطیفی

One of the most preprocessing steps before the classification of hyperspectral images is supervised feature extraction. Because obtaining the training samples is hard and time consuming, the number of available training samples is limited. We propose a supervised feature extraction method in this paper that is efficient in small sample size situation. The proposed method, which is called weight...

متن کامل

استخراج ویژگی در تصاویر ابرطیفی به کمک برازش منحنی با توابع گویا

In this paper, with due respect to the original data and based on the extraction of new features by smaller dimensions, a new feature reduction technique is proposed for Hyper-Spectral data classification. For each pixel of a Hyper-Spectral image, a specific rational function approximation is developed to fit its own spectral response curve (SRC) and the coefficients of the numerator and denomi...

متن کامل

جاسازی خط ویژگی وزن دار برای استخراج ویژگی تصاویر ابرطیفی

یکی از مراحل مهم قبل از طبقه بندی تصاویر ابرطیفی، کاهش ویژگی با استفاده از روش های استخراج ویژگی است. در این مقاله یک روش استخراج نظارت شده پیشنهاد شده که دارای کارایی خوبی با استفاده از تعداد نمونه های آموزشی محدود است. روش استخراج ویژگی پیشنهادی که جاسازی خط ویژگی وزن دار (wfle) نامیده شده، از مفاهیم  خط ویژگی برای تولید نمونه های آموزشی مجازی استفاده می کند. نمونه های آموزشی مجازی تولید شده ...

متن کامل

برآورد بعد ذاتی در تصاویر ماهواره‌ای ابرطیفی

با پیشرفت سنجنده‌های سنجش از دور طیفی با توانتفکیک طیفی بالا، تصاویر ابرطیفی ماهواره‌ای بطور وسیع به منظور نظارت بر سطح زمین به خدمت گرفته شده‌اند. بزرگی ابعاد این تصاویر نه تنها باعث افزایش پیچیدگی محاسبات گردیده بلکه باعث کاهش دقت طبقه‌بندی تصویر نیز شده است. کاهش ابعاد یکی از اصلی‌ترین روشها در تصاویر ابرطیفی برای بهبود دقت طبقه‌بندی است. معمول‌ترین روش در کاهش ابعد انتخاب عارضه می‌باشد. ب...

متن کامل

تحلیل ممیز طیفی و مکانی برای استخراج ویژگی ادغام شده در تصاویر ابرطیفی

: ادغام ویژگی های ارزشمند طیفی و مکانی در تصاویر ابرطیفی با تفکیک مکانی بالا، دقت طبقه بندی را به مقدار قابل توجهی بهبود می بخشد. در این مقاله یک روش استخراج ویژگی طیفی- مکانی بر مبنای تحلیل ممیز پیشنهاد شده است. برای افزایش تفکیک پذیری کلاس ها، پراکندگی های بین کلاسی حداکثر و پراکندگی های درون کلاسی حداقل شده است. برای وارد نمودن اطلاعات مکانی در فرآیند استخراج ویژگی، پراکندگی های مکانی در یک ...

متن کامل

ارائه روشی جهت انتخاب باند برای آشکارسازی نظارت شده اهداف زیر پیکسلی در تصاویر ابرطیفی

در دهه­ های اخیر مطالعات بسیاری در زمینه آشکارسازی هدف در تصاویر ابرطیفی انجام شده است. این در حالیست که در زمینه آشکارسازی هدف مطالعات کمتری نسبت به حوزه طبقه­بندی جهت کاهش ابعاد و انتخاب باندهای مناسب انجام شده است. از طرفی در پردازش داده­های سنجش از دور، انتخاب باند در حوزه پردازش تصاویر ابرطیفی نقش بسیار مهمی دارد. چرا که از مجموعه تمام باندهای تصویر، بهترین آنها را از لحاظ ارزش و تنوع اطلا...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی صنعتی کرمان - دانشکده نقشه برداری

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023