A Novel Principal Component Approach for Feature Extraction in Remotly Sensed Images

  • سال انتشار: 1392
  • محل انتشار: بیست و یکمین کنفرانس مهندسی برق ایران
  • کد COI اختصاصی: ICEE21_271
  • زبان مقاله: انگلیسی
  • تعداد مشاهده: 1586
دانلود فایل این مقاله

نویسندگان

Azadeh Kianisarkaleh

Islamic Azad University, Science and Research Branch

Hassan Ghassemian

Tarbiat Modares University

چکیده

Lack of reliable training samples, especially in cases with broad dimensions, results in a decrease in supervised classifiers’ accuracy. One approach to solve such problem is applying feature extraction. In spite of some limitations and deficiencies when being applied, PCA and LDA are two methods, highly used in feature extraction. In this paper, a new method is proposed to rank principal components instead of arranging them in a descending order. First, using PCA method, principal components are found and instead of arranging them based on corresponding Eigen values, acquired weights used in LDA are applied. The method is not limited to a specific distribution function and it may be based on parametric and nonparametric methods. Results show that through using less number of features found by the method proposed, ML classifier’s accuracy and validity has increased

کلیدواژه ها

principal component, feature extraction, remote sensing, image processing

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.