جداسازی طیفی با استفاده از الگوریتم HYCA بهبود یافته

تصویربرداری ابرطیفی ابزاری مهم در کاربردهای سنجش از دور به شمار می رود. حس گرهای ابرطیفی، نور منعکس شده از سطح زمین را در صدها و یا هزاران باند طیفی اندازه گیری می کنند. در بعضی از کاربردها، بی درنگ نیاز به داشتن تصویر در سطح زمین داریم که لازمه این موضوع، وجود پهنای باند زیاد بین حس گر و ایستگاه زمینی است. در بیش تر مواقع، پهنای باند ارتباطی بین ماهواره و ایستگاه زمینی کاهش می یابد و این امر، ما را مستلزم به استفاده از یک روش فشرده سازی می کند. علاوه بر حجم بالای داده، مشکل دیگر در این تصاویر، وجود پیسکل های آمیخته است. تجزیه و تحلیل پیکسل های آمیخته یا جداسازی طیفی، تجزیه پیکسل های آمیخته به مجموعه ای از اعضای پایانی و فراوانی های کسری آن هاست. به دلیل بالا بودن این حجم و به تبع آن، دشواربودن پردازش و تجزیه و تحلیل مستقیم این اطلاعات و البته قابل فشرده بودن این تصاویر، در سال های اخیر روش هایی تحت عنوان «حس گری فشرده و جداسازی» معرفی شده است. الگوریتم HYCA یکی از الگوریتم هایی است که با توجه به ویژگی های ذاتی تصاویر، سعی در فشرده سازی این تصاویر کرده است. یکی از ویژگی های بارز این الگوریتم، سعی در استفاده از اطلاعات مکانی به منظور بازسازی بهتر داده ها است. در این پژوهش، روشی مطرح شده است که علاوه بر اطلاعات مکانی، از اطلاعات طیفی (پیکسل های غیرهمسایه) موجود در تصاویر، آن هم به صورت بی درنگ استفاده کند. برای اضافه کردن اطلاعات غیر از پیکسل های همسایه، یک روش بخش بندی بی درنگ معرفی شده است که برای بخش بندی درست، میزان شباهت پیکسل ها در نظر گرفته می شود و شکل حاصله در هر بخش محدود به هیچ شکل هندسی خاصی نمی شود. برای ارزیابی میزان کارآیی روش پیشنهادی، در بخش نتایج از هر دو داده ابرطیفی ساختگی و واقعی استفاده شده است. علاوه بر آن، نتایج کار با یک سری روش های سنتی در این حوزه مقایسه شده است. نتایج به دست آمده حاکی از کارآیی بالای روش پیشنهادی در معیار NMSE تا برای داده ساختگی و برای داده واقعی است.