انتخاب ویژگی برمبنای ترکیب روش حداقل افزونگی-حداکثر ارتباط و الگوریتم ژنتیک جهت طبقه بندی تصویر تلفیقی اپتیکی و رادار با روزنه مجازی

استفاده از داده های چند منبعی، به ویژه استفاده ترکیبی از تصاویر اپتیکی و راداری، روشی موفق در بهبود سطح تفسیرپذیری داده های سنجش ازدور است. در این راستا، تولید و انتخاب ویژگی های مناسب از این داده ها، چالشی جدی در حوزه تحقیقات اخیر می باشد. در تحقیق حاضر، با هدف کاهش زمان دستیابی به ویژگی های بهینه، روشی جدید جهت انتخاب ویژگی از تصاویر تلفیقی اپتیکی و راداری ارائه شده است. در روش پیشنهادی، با ترکیب روش حداقل افزونگی-حداکثر ارتباط و الگوریتم ژنتیک، ویژگی های بهینه انتخاب می شوند. در این راستا، ابتدا ویژگی های مختلفی از تصویر استخراج شده و از طریق دو روش الگوریتم ژنتیک و روش حداقل افزونگی-حداکثر ارتباط- ژنتیک ویژگی های بهینه انتخاب می شوند. پس از آن تصویر توسط SVM طبقه بندی می شود. در نهایت نتایج نشان می دهد که دقت روش پیشنهادی با حصول دقت کلی 97. 25، در حدود 3 درصد بیشتر از دقت روش SVM با استفاده از تمام ویژگی ها است. همچنین دقت کلی روش پیشنهادی و روش ژنتیک نزدیک به یکدیگر می باشد. درحالی که سرعت عملکرد روش پیشنهادی تقریبا 2. 5 برابر سرعت عملکرد انتخاب ویژگی توسط روش ژنتیک است. بنابراین نتایج حاصل موید کارایی روش پیشنهادی است.