توسعه و ارزیابی یک الگوریتم کاهش نوفه به منظور بهبود کارایی و دقت طبقه بندی تصاویر ابرطیفی

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
تصویربرداری ابرطیفی، به عنوان یکی از فنآوری‎های نوین سنجش از دوری، منبع ارزشمندی برای کاربردهای مختلف علوم زمین، از جمله تهیه نقشه های پوششی، شناسایی و اکتشاف معادن، نظارت زیست محیطی به شمار می رود. با این وجود، به دلایل سخت افزاری و فنآوری این داده‏ها دارای مشکلات ذاتی هستند. از آنجایی که بهبود سیستم سخت افزاری سنجنده های ابرطیفی بسیار پرهزینه است، روش های سنجش از دوری پردازش تصویر مانند کاهش نویز، استخراج ویژگی و غیره به دلیل هزینه کم و موثر بودن مورد توجه قرار گرفته‎اند. یکی از جدیدترین و کارآمدترین این روش ها، روش پیش بینی فرضیه چندگانه است. نقطه ضعف این روش عدم استفاده از روشی موثر در انتخاب باند های با شباهت بیشتر است که هدف از این مقاله بررسی روش پیش بینی فرضیه چندگانه [1] و اتخاذ روشی مناسب برای انتخاب باندهای طیفی بر مبنای رگرسیون خطی است. به دلیل انعطاف زیاد روش پیش بینی رگرسیونی در تعیین ضرایب شباهت بین باندی، برای انتخاب باندهای طیفی مشابه، این روش انتخاب و پیاده‎سازی شد. داده های مورد استفاده در این تحقیق داده های رایج جهت کار بر روی تصاویر ابرطیفی است که توسط دانشگاه باسک اسپانیا جمع آوری شده اند. این داده ها شامل تصویر سایت های آزمایشی مزارع ایالت ایندیانا از سنجنده AVIRIS و تصویر دانشگاه پاویا از سنجنده ROSIS است. نتایج حاصله از پیاده سازی روش پیشنهادی نشان داد که صحت کلی طبقه بندی ماشین بردار پشتیبان [2] و k نزدیکترین همسایگی [3] برای مجموعه داده های ابرطیفی Indian Pines و دانشگاه Pavia به ترتیب برابر با 82/95، 43/99 و 89/92و88/98 است که در طبقه بندی SVM به ترتیب 4/0 و 3/0 و در طبقه بندی KNN به ترتیب 22/8 و 2 درصد افزایش را نشان می دهد که نشان دهنده ی کارآمدی روش پیشنهادی به طور ویژه در مورد طبقه بندی KNN است.
1 Multi Hypothesis Prediction
2 Support Vector Machine
3 K Nearest Neighbor
زبان:
فارسی
صفحات:
195 تا 207
لینک کوتاه:
magiran.com/p1890798 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 990,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • 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.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 50 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!