قطعه بندی تصاویر چند طیفی با استفاده از الگوریتم ژنتیک و طبقه بندی کننده ماشین بردار پشتیبان (SVM) و بهره برداری از الگوریتم PSO جهت ترکیب تصاویر

در این مقاله، روشی برای قطعه بندی تصاویر ماهواره ای چند طیفی، ارایه شده است. در این نوشتار، با استفاده از روش ترکیب تصاویر، کیفیت تصویر ماهواره ای افزایش پیدا می کند. نحوه ترکیب تصاویر نیز با استفاده از یک روش بهینه سازی هوشمند (الگوریتم اجتماع ذرات) بهینه سازی می گردد تا بهترین ضرایب برای این ترکیب، انتخاب گردد. در گام بعدی، برای ساخت تصویر هدف از الگوریتم طبقه بندی K-means استفاده شده است. با استفاده از این الگوریتم، یک طبقه بندی بدون راهنما انجام می شود تا تصویر هدف، حاصل گردد. در مرحله بعد با استفاده از الگوریتم ماشین بردار پشتیبان با کمترین مربعات (LS-SVM) و آموزش از طریق ماتریس هدف، شبکه ای آموزش دیده برای قطعه بندی تصاویر ماهواره ای، فراهم می گردد. برای استخراج ویژگی نیز از الگوریتم PCA ، میانگین و شاخص NVDI استفاده می شود ضمن اینکه این مرحله ( استخراج ویژگی) در این پایان نامه، توسط الگوریتم ژنتیک، بهینه سازی شده است.

کلیدواژه ها:

قطعه بندی تصویر ، ماشین بردار پشتیبان با کمترین مربعات (LS-SVM) ، الگوریتم اجتماع ذرات (PSO) ، استخراج ویژگی تصویر