تحلیل ممیز طیفی و مکانی برای استخراج ویژگی ادغام شده در تصاویر ابرطیفی

ادغام ویژگی های ارزشمند طیفی و مکانی در تصاویر ابرطیفی با تفکیک مکانی بالا، دقت طبقه بندی را به مقدار قابل توجهی بهبود می بخشد. در این مقاله یک روش استخراج ویژگی طیفی- مکانی بر مبنای تحلیل ممیز پیشنهاد شده است. برای افزایش تفکیک پذیری کلاس ها، پراکندگی های بین کلاسی حداکثر و پراکندگی های درون کلاسی حداقل شده است. برای وارد نمودن اطلاعات مکانی در فرآیند استخراج ویژگی، پراکندگی های مکانی در یک پنجره همسایگی مکانی به صورت چند مقیاسی محاسبه گردیده است. ما روش پیشنهادی خود را با ترکیب باندهای طیفی اولیه و ویژگی های مکانی استخراج شده با استفاده از فیلترهای گابور (Gabor)، ماتریس هم رخداد سطوح روشنایی(GLCM) و پروفایل مورفولوژی و همین طور با روش های استخراج ویژگی طیفی از قبیل استخراج ویژگی وزن دار غیرپارمتریک(NWFE) و تصویر حفظ محلیت (LPP) مقایسه نموده ایم. نتایج آزمایش ها بر روی داده های ابرطیفی واقعی، کارایی خوب روش پیشنهادی را در مقایسه با سایر روش های مورد اشاره نشان می دهند.