عملکرد روشهای انتخاب ویژگی در طبقه بندی تصاویر ابرطیفی با کمک برازش خم

تصاویر ابرطیفی به واسطه دقت طیفی بالا قادر به جداسازی کلاس های با شباهت بالا هستند. اما افزونگی داده ها یکی از مشکلات اساسی در استخراج اطلاعات از این داده ها است. وجود ویژگیهای همبسته و گاه زاید و با اطلاعات کم موجب کاهش دقت طبقه بندی در هنگام استفاده از تمامی این باندها میشود. برای با این مشکل راههای مختلفی وجود دارد: استفاده از داده های نیمه آموزشی، به کارگیری اطلاعات مکانی در کنار اطلاعات طیفی و نهایتا کاهش تعداد ویژگیها. کاهش تعداد ویژگیها به عنوان یکی از رویکردهای مقابله با این مشکل موضوع موردتوجه این مقاله است. استخراج و انتخاب ویژگی دو مرحله ی مکمل، برای کاهش ابعاد فضای ویژگی مطرح میباشد. در این مقاله، روش مبتنی بر تقریب تابع کسر گویا برای استخراج ویژگی استفاده میشود و عملکرد روشهای مختلف انتخاب ویژگی بر روی داده خام و همچنین ویژگیهای استخراج شده با تابع کسر گویا ارزیابی شده است. دقت طبقه بندی به عنوان معیار مورد بررسی و کاربرد موردنظر مورد توجه میباشد. طبقه بندی در حالتهای مختلف (بدون استخراج ویژگی، استخراج ویژگی، استخراج و انتخاب ویژگی) موردبررسی قرار گرفته است.

کلیدواژه ها:

تصویر ابرطیفی ، کاهش بعد ، انتخاب ویژگی ، استخراج ویژگی ، طبقه بندی