خوشه بندی سلسله مراتبی تصاویر سنجش از دوربا استفاده از تلفیق الگوریتم ژنتیک و خوشه یابی فازی

دراین مقاله یک روش جدید برای تعیین تعداد بهینه کلاسها و خوشه بندی اتوماتیک تصاویر سنجش از دور با استفاده از الگوریتم ژنتیک دومرحله ای با کروموزوم های طول ثابت و متغیر ارایه شده است بهینه سازی با استفاده از یک تابع شایستگی جدید برمبنای الگوریتم فازی C-Means به علاوه یک پارامتر اضافی به منظور بالا بردن دقت خوشه بندی انجام میگیرد به منظور افزایش دقت و کارایی الگوریتم عملیات خوشه بندی دردومرحله انجام می شود درمرحله اول با استفاده از اطلاعات باند مادون قرمز و الگوریتم ژنتیک با کروموزوم های طول ثابت کلاس آب از بقیه نواحی جداشده ودرمرحله دوم با استفاده از اطلاعات باندهای RGB و الگوریتم ژنتیک با کروموزوم های طول متغیر تعداد خوشه های بهینه برای نواحی خشکی تعیین و خوشه بندی انجام میگردد نتایج حاصل از پیاده سازی این روش برروی 4 دسته داده های شبیه سازی شده با خواص همپوشانی و سایزهای متفاوت و یک تصویر ماهواره ای آیکونوس از منطقه لواسان ارایه شده است.

کلیدواژه ها:

الگوریتم ژنتیک ، تابع شایستگی ، خوشه بندی ، فازی C-Means