احمد کشاورز - بخش مهندسی برق و کامپیوتر دانشگاه تربیت مدرس
حسن قاسمیان

درسالهای اخیر به منظور بهبود صحت طبقه بندی تصاویر ابرطیفی الگوریتمهای استخراج ویژگی مانند تحلیل مولفه های اصلی تحلیل مولفه های مستقل نگاشت جستجوگر استخراج ویژگی با مرز تصمیم گیری تحلیل ممیز و تبدیل موجک مورد استفاده قرار گرفتند این الگوریتمها فقط از اطلاعات طیفی تصاویر ابرطیفی استفاده می کنند و بهدلیل حجم زیاد داده ها و محدود بودن تعداد نمونه های آموزشی کارایی مطلوبی ندارند دراین مقاله سعی شده که با استفاده از ماشینهای بردار پشتیبان و به کارگیری اطلاعات مکانی صحت طبقه بندی بهبود داده شود نتایج حاصل از طبقه بندی داده های واقعی سنجنده AVIRIS نشان میدهد که الگوریتم پیشنهادی برای طبقه بندی داده های ابرطیفی کارآمد بوده و مشکل محدود بودن تعداد نمونه های آموزشی را تا حد قابل توجهی جبران می نماید.

ماشین بردار پشتیبان، طبقه بندی، تصاویر ابرطیفی، سنجش از دور