عملکرد طبقه بندی های با نظارت و بدون نظارت در تصاویر چند طیفی

علم کسب اطلاعات از پدیده ها بدون تماس فیزیکی با آنها را سنجش از دور گویند. امروزه با رشد سریع فناوری، کاربرد سنجش از دور در محدوده ی اندازه گیری های طیفی و فراطیفی به منظور اهداف مدیریتی رو به فزونی است. یکی از مهمترین بخشهای پردازش داده های چند طیفی، انتخاب روش طبقه بندی مناسب به منظور تحلیل تصاویر می باشد. در این مقاله، کارایی طبقه بندی های متفاوت در تشخیص هشت کلاس مختلف، در تصاویر چند طیفی مورد بررسی قرار گرفت. این طبقه بندی ها شامل طبقه بندی های آماری، حداقل فاصله، KNN، سطوح موازی، شبکه های عصبی با نضارت (MLP و RBF) و ا لگوریتمهای بدون نظارت (K-Means و FCM) می باشند. همچنین از آنالیز اجزای ویژه، به منظور کاهش تعداد ویژگی و جلوگیری از وقوع پدیده هیوز استفاده گردید. نتایج نشان می دهد که خوشه بند MLP بهترین کارایی از نظر اعتبار، دقت و سرعت را دارد.

کلیدواژه ها:

، «سنجش از راه دور» ، «تصاویر ابرطیفی» ، «طبقه بندی» ، «آنالیز اجزای ویژه»