طبقه بندی نظارت شده تصاویر ابر طیفی به وسیله الگوریتم دو مرحله ای

یکی از منابع اطلاعاتی ارزشمند جهت استخراج اطلاعات از پوشش سطح زمین استفاده از تصاویر ابر طیفی است. این تصاویر به علت تعداد باندهای زیادی که دارند داده هایی با حجم بسیار بالا را در اختیار می گذارند. در روش های مرسوم جهت طبقه بندی نظارت شده این تصاویر مانند ماشین بردار (SVM)، بیشترین احتمال و K نزدیکترین همسایگی (KNN) با استفاده از الگوریتم های تعدادی از باندهای بهینه جهت انجام طبقه بندی انتخاب می شوند و دلیل این امر سرعت بخشیدن به روند طبقه بندی تصویر است. گاهی انتخاب باندها باعث کاهش دقت در طبقه بندی تصاویر ابر طیفی به ویژه برای کلاس هایی که شباهت طیفی زیادی به هم دارند م شود، به همین منظور در این مقاله الگوریتم دو مرحله ای برای بهبود دقت طبقه بندی تصاویر ابر طیفی ارائه شده است. الگوریتم ارائه شده بر روی یک تصویر ابر طیفی دارای 102 باند و با استفاده از روش SVM اعمال شده و نتایج آن با نتایج به دست آمده قبل از اعمال این الگوریتم مقایسه شده است. نتایج حاصل برای استفاده از این روش نشان دهنده افزایش در دقت طبقثه بندی کلاس هایی که دارای تشابه طیفی زیادی هستند می باشد.

کلیدواژه ها:

تصاویر ابر طیفی ، طبقه بندی تصویر ، الگوریتم دو مرحله ای