طبقه بندی تصاویر سنجش از دور با استفاده از روش الگوی باینری محلی

هدف ما بهبود طبقه بندی تصاویر تک باند سنجش از دور با استفاده از ویژگی های مکانی است. ابتداروشهای استخراج ویژگی گوناگونی در ناحیه بندی تصاویر سنجش از دور به کار رفته اند. در این مقاله پساز پیاده سازی و مقایسه روش های استخراج ویژگی (ماتریس سریع هم رخداد، مورفولوژی و الگوی باینریمحلی)، با توجه به نتایج بدست آمده الگوی باینری محلی در اعتبار کلی بالاترین نتیجه را کسب نمودهاست و نهایتا به عنوان روش انتخابی برگزیده شده است. الگوی باینری محلی روش ساده و سریع جهتاستخراج ویژگی های بافت تصویر است. الگوریتم این روش بر روی تصویر اعمال شده و با استفاده ازپنجره گذاری روی تصویر یک هیستوگرام از هر پنجره بدست می آید و هیستوگرام بدست آمده به عنوانبردار ویژگی مورد استفاده قرار می گیرد. ضعف روش الگوی باینری محلی در نزدیکی مرزها، خصوصا مرزهایمنحنی شکل است. بنابراین با ارایه روش پیشنهادی ترکیب سه روش ( LBP+Morphology+FastGLCM )ویژگی های مکانی را ترکیب نموده و این ویژگی ها را دو به دو با هم در یک بردار قرار داده و سپس جایعناصر را به صورت تصادفی به هم ریخته و یک بردار جدید با تعداد ویژگی های بیشتری ساخته میشود ودقت حاصل از طبقه بندی تا حدود 5% بهبود می یابد. در مرحله طبقه بندی از کتابخانه LIBSVM استفادهشده است.

کلیدواژه ها:

استخراج ویژگی ، الگوی باینری محلی ، تصاویر سنجش از دور ، طبقه بندی