چکیده

یکی از مهم‌ترین پردازش‌های تصاویر سنجش از دور، طبقه‌بندی تصاویر ابر‌طیفی می‌باشد. طبقه‌بندی این تصاویر با چالش‌هایی از قبیل دردسترس نبودن تعداد نمونه‌های آموزشی کافی، بالا بودن ابعاد تصویر، وجود نویز و پیکسل‌های ترکیبی رو به رو است. برای حل این مشکلات نیاز به استخراج اطلاعات و ویژگی‌های غنی‌تری در این تصاویر می‌باشد. از جمله موثرترین روش‌ها برای بالا بردن دقت طبقه‌بند ادغام اطلاعات طیفی و مکانی است. در این مقاله یک روش طبقه‌بندی تصاویر ابر‌طیفی ارائه شده است که مبتنی بر استخراج ویژگی های چند مقیاسی می‌باشد. این روش در تعداد نمونه‌های آموزشی کم که یک چالش اساسی برای این تصاویر است، عملکرد قابل توجه ای دارد. در روش پیشنهادی، ابتدا بُعد طیفی تصاویر به دلیل بالا بودن تعداد باند‌های طیفی تصاویر و همچنین حذف نویز، کاهش داده می‌شود. سپس تبدیل موجک به اطلاعات مکانی هر باند اعمال می‌گردد تا ویژگی‌های چند مقیاسی استخراج و به طبقه‌بند ماشین بردار پشتیبان داده شود و در نهایت نقشه طبقه‌بند حاصل گردد. نتایج روش پیشنهادی در تعداد نمونه آموزشی کم (تنها به ازای 6 نمونه آموزشی از هر کلاس) بر روی سه تصویر ابر‌طیفی مرسوم، ایندیانا، پاویا و سالیناس به ترتیب دقت‌های 76.48 درصد، 85.41 درصد و 92.49 درصد را نشان می‌دهد. روش پیشنهادی دارای دقت طبقه‌بندی بالایی نسبت به روش‌های موجود می‌باشد و بدلیل عملکرد بسیار مناسب در تعداد نمونه‌های کم آموزشی می‌تواند کاندید مناسبی برای کاربرد‌های عملی باشد.

کليدواژه ها

تصاویر ابر‌طیفی، تبدیل موجک، تعداد نمونه‌های آموزشی کم، طبقه‌بندی، ویژگی چند مقیاسی

کد مقاله / لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :

نحوه استناد به مقاله

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
مرجان نظری , 1400 , طبقه‌بندی تصاویر ابر‌طیفی سنجش از دور با استفاده از تعداد نمونه‌های آموزشی کم و مبتنی بر ویژگی‌های چند مقیاسی , پنجمین کنفرانس مهندسی مخابرات ایران