ارزیابی روش انتخاب ویژگی برای شناسایی بهترین باندهای طیفی تصویر ابرطیفی هایپریون (مطالعه موردی: شناسایی دگرسانی های معدن مس پورفیری دره زار- کرمان)
طبقه بندی نظارت شده یکی از بهترین روش های استخراج اطلاعات از تصویر است. دقت طبقه بندی نظارت شده تصاویر سنجش از دور متاثر از تعداد باندهای طیفی و تعداد نمونه های آموزشی است؛ به طوری که اگر تعداد نمونه ها از تعداد باندها خیلی کمتر باشد دقت طبقه بندی کاهش می یابد. وقوع این مشکل در طبقه بندی تصاویر ابرطیفی به دلیل داشتن باندهای طیفی بسیار بیشتر در مقایسه با تصاویر چندطیفی، محتمل تر است. در چنین شرایطی استفاده از روش های انتخاب ویژگی می تواند راه گشا باشد. این روش ها با انتخاب باند های دارای بیشترین اطلاعات در مورد موضوع مورد بررسی و حذف باند های نامربوط، زائد و دارای اطلاعات تکراری کارآیی طبقه بندی را افزایش می دهند. در این پژوهش استفاده از یک روش انتخاب ویژگی مبتنی بر الگوریتم رقابت استعماری فازی به شناسایی تنها 5 درصد از کل باندهای طیفی یعنی 9 باند از بین 165 باند قابل استفاده هایپریون منجر شد. 9 باند یادشده بیشترین سهم در شناسایی مناطق دگرسانی را داشته و دقیقا در بازه هایی قرار گرفته اند که مناسب برای شناسایی کانی های شاخص مناطق دگرسانی هستند که خود بیانگر دقت بالای روش استفاده شده است. همچنین طبقه بندی نظارت شده توسط ماشین بردار پشتیبان و با استفاده از 17 نمونه دگرسانی برداشت شده از محدوده نشان می دهد که دقت نقشه پراکندگی دگرسانی با استفاده از 9 باند انتخاب شده در مقایسه با حالتی که کل باندهای هایپریون استفاده شده اند، به طور چشمگیری بهبود یافته است.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.