طبقه بندی نیمهن ظارتی تصویر ابرطیفی براساس انتشار برچسب و فیلتر گابور

روشهای نیمه نظارتی عملکرد مطلوبی را در طبقهبندی تصاویر ابرطیفی با شمار نمونه های آموزشی محدود دارند. در روشهای نیمه نظارتی، با استفاده از اطلاعات نمونه های بدون برچسب بر مشکل پایین بودن تعداد نمونه های آموزشی غلبه کرده اند. اما انتخاب این نمونه های مناسب شبه برچسبدار، یک چالش بزرگ برای روشهای نیمه نظارتی است. در این مقاله یک طبقه بندی کننده ی نیمه نظارتی مبتنی بر روشهای انتشار برچسب ارائه شده است که اطلاعات طیفی و مکانی را با استفاده از فیلترهای گابور به کار می گیرد. نخست، الگوریتم انتشار برچسب مبتنی بر گراف را برای انتشار اطلاعات برچسب از نمونه های برچسبدار به نمونه های بدون برچسب همسایه به کار برده میشود. سپس، در گام دوم، از انتشار سوپرپیکسل استفاده میشود تا برچسبهای یکسانی را به همه پیکسلهای درون سوپرپیکسلهایی که با روش تقسیمبندی تصویر تولید میشوند، اختصاص دهد، به طوری که برخی از برچسبهایی که به اشتباه در مرحله اول برچسبگذاری شدهاند را میتواند اصلاح کند. سپس با به کارگیری اطلاعات طیفی و مکانی، ویژگیهای تصویر با استفاده از فیلتر گابور استخراج می شود. در نهایت ویژگیهای استخراجی با استفاده از نمونههای ادغام شده برچسبدار و شبه برچسبدار، طبقهبندی میشود. نتایج آزمایش نشان میدهد که روش پیشنهادی میتواند عملکرد طبقهبندی بهتری را برای تصاویر ابرطیفی، بهویژه زمانی که تعداد نمونههای آموزشی کم است است، ارائه دهد

کلیدواژه ها:

تصویر ابرطیفی ، نیمه نظارتی ، گراف ، گابور