بهبود طبقه بندی تصاویر ابرطیفی با به کارگیری اطلاعات طیفی-مکانی و استفاده از هسته های ترکیبی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 790

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

PNUOPEN01_049

تاریخ نمایه سازی: 14 مرداد 1394

چکیده مقاله:

به کارگیری اطلاعات مکانی تصاویر ابرطیفی در کنار اطلاعات طیفی آن، روش موثری برای بالا بردن دقت طبقه بندی این گونه تصاویرمحسوب می شود. طبقه بندی تصاویر ابرطیفی، به دلیل وجود مسائل مختلفی از جمله وجود پیکسل های ترکیبی در داده ها و اطلاعات محدود دردسترس، امر چالش برانگیزی است. بنابراین نیاز به توسعه ی روش هایی است که به طور همزمان توانایی استخراج اطلاعات ارزشمند طیفی و مکانی را از تصویر دارند. در این مقاله از ترکیب هسته های طیفی و مکانی به منظور افزایش دقت در طبقه بندی تصاویر ابرطیفی استفاده شده است به طوری که قابلیت به کارگیری همزمان اطلاعات طیفی و مکانی موجود در تصویر را دارد. طبقه بندی کننده های ماشین بردار پشتیبان و رگرسیون لجستیکی چند جمله ای نیز به منظور طبقه بندی داده ها استفاده شده اند. نتایج آزمایش بر روی تصویر فراطیفی اخذ شده توسط حسگر طیف سنج تصویر برداری مرئی-مادون رمز هوابرد ناسا، نشان می دهد که با این روش می توان به دقت های بالایی، علیرغم در اختیار داشت نمونه های آموزشی محدود، دست یافت.

کلیدواژه ها:

تصاویر ابرطیفی ، هسته های ترکیبی ، هسته های ترکیبی تعمیم یافته ، طبقه بندی طیفی-مکانی ، رگرسیون لجستیک چند جمله ای

نویسندگان

محمد مداوا

دانشجوی دکتری، گروه برق، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران

غلامرضا اکبری زاده

استادیار گروه مهندسی برق، دانشکده مهندسی، دانشگاه شهید چمران اهواز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • in spectral- Advances؛ه [1] M. Fauvel, Y. Tarabalka, J. A. ...
  • E. A. Cloutis, "Hyperspectral geological remote sensing: Evaluation of analytical ...
  • approach to determine changes of wetland Multisensorء [4] T. Schmid, ...
  • Y. Lanthier, A. biodiversity assessment, Int. J. Remote Sens., vol. ...
  • E. A. Cloutis, "Hyperspectral geological remote sensing: Evaluation of analytical ...
  • D. Manolakis, D. Marden, and G. A. Shaw, "Hyperspectral image ...
  • A. Gowen, C. O 'Donnell, P. Cullen, G. Downey, and ...
  • L. N. Brewer, J. A. Ohlhausen, P. G. Kotula, and ...
  • J. Bioucas-Dias et al., _ Hyp ersp ectralunmixing overview: Geometrical, ...
  • G. F. Hughes, "On the mean accuracy of statistical pattern ...
  • D. A. Landgrebe, Signal Theory Methods in Multispectral Remote Sensing.New ...
  • G. Camps-Valls and L. Bruzzone, "Kernel-based methods for hypersp ectralimage ...
  • J. Bioucas-Dias andM. Figueiredo, "Logistic regression via variable splittingand augmented ...
  • J. Li, J. Bioucas-Dias, and A. Plaza, _ _ S ...
  • W. Li, S. Prasad, J. E. Fowled, and L. M. ...
  • G. Camps-Valls, L. Gomez-Chova, J. Muoz-Mar, J. Vila-Francs, andJ. _ ...
  • F. Bach, G. Lanckriet, and M. Jordan, "Multiple kernel learning, ...
  • C. Wang, D. You, Y. Y. Zhang, S. Wang, and ...
  • D. Bohning, "Multinomial logistic regression algorithm, " Ann. Inst.Statist. Math., ...
  • J. Li, X. Huang, P. Gamba, J. Bioucas, L. Zhang, ...
  • B. Krishnapuram, _ Carin, M. Figueiredo, and A. Hartemink, "Sparse ...
  • J. S. Borges, J. M. Bioucas-Dias, and A. R. S. ...
  • J. A. Benediktsson, J. A. Palmason, and J. R. Sveinsson, ...
  • M. D. Mura, J. A. Benediktsson, B. Waske, and L. ...
  • J. Li, P. Marpu, A. Plaza, J. Bioucas-Dias, and J. ...
  • A. Plaza, J. A. Benediktsson, J. W. Boardman, J. Brazile, ...
  • A. Charles, B. Olshausen, and C. Rozell, "Learning sparse codes ...
  • J. M. Bioucas-Dias and M. Figueiredo, "Logistic regression via variable ...
  • J. Li, J. Bioucas-Dias, and A. Plaza, "Hyperspectral image segmentation ...
  • J. Li, J. M. Bioucas-Dias, and A. Plaza, _ _ ...
  • Y. Chen, N. Nasrabadi, and T. Tran, "Hyperspectral image classification ...
  • Soltani-Faran A., and Rabiee H R., _ _ Sp ati ...
  • نمایش کامل مراجع