بهبود طبقه بندی تصاویر ابرطیفی سنجش از دور به کمک یادگیری تجمعی

در این مقاله یک روش مبتنی بر یادگیری تجمعی برای قطعه بندی تصاویر ابرطیفی سنجش از راه دور با ترکیب الگوریتم های طبقه بند پایه مانند نایو بیزین ( NB )، کا نزدیک ترین همسایه ( KNN ) و درخت تصمیم ( DT ) معرفی شده است. پس از اجرای رای گیری وزن دار یک فیلتر میانه برای تصحیح خطای طبقه بندی به کار برده شده است که دقت قطعه بندی را به طور قابل ملاحظه ای افزایش می دهد. برای بررسی روش پیشنهادی از دو مجموعه داده ی Indian pines و Salinas استفاده شده است. نتایج شبیه سازی نشان می دهند که روش پیشنهادی در مقایسه با روش های رای گیری ساده و رای گیری وزندار حداقل سه درصد دقت بالاتری دارد.

کلیدواژه ها:

سنجش از راه دور ، تصاویر ابرطیفی ، یادگیری تجمعی ، قطعه بندی تصاویر