انتخاب باندهای بهینه برای آشکارسازی اهداف در تصاویر ابرطیفی برمبنای روش بهینه سازی توده ذرات دودویی

آشکارسازی اهداف با ابعاد زیرپیکسل یکی از چالش های اساسی در پردازش تصاویر ماهواره ای می باشد. با توجه به قدرت تفکیک طیفی بالای تصاویر ابرطیفی، آشکارسازی اهداف از اهمیت ویژه ای در آنالیز این نوع داده ها برخوردار می باشد. از اینرو، انتخاب باندهای طیفی بهینه به منظور بهبود آشکارسازی اهداف زیرپیکسلی به عنوان یکی از راه کارهای مرسوم مورد توجه محققین است.  نبود داده های آموزشی یکی از اصلی ترین ضعف های انتخاب باندهای بهینه برای آشکارسازی اهداف زیرپیکسلی می باشد. در این تحقیق بر مبنای الگوریتم بهینه سازی توده ذرات (PSO)، روشی جدید جهت انتخاب باند به منظور آشکارسازی اهداف زیر پیکسلی در تصاویر ابرطیفی معرفی شده است. در روش پیشنهادی، ابتدا طیف هدف مورد نظر به صورت تصادفی در یک سری پیکسل های میزبان از کل تصویر ابرطیفی کاشت می شود. سپس، با هدف کمینه سازی نرخ هشدار اشتباه در آشکارسازی هدف، به روش برآوردگر همدوسی های انطباقی (ACE)، باندهای طیفی از طریق الگوریتم PSO انتخاب می شوند. به منظور ارزیابی میزان دقت روش پیشنهادی، دو مجموعه داده ابرطیفی از سنجنده های Hymap و Hyperion استفاده شده است. نتایج تجربی به دست آمده نشان می دهند که بر اساس معیار کمترین مقدار هشدار اشتباه و مساحت زیر نمودار ROC، روش انتخاب باند پیشنهادی نسبت به حالت استفاده از تمام باندها، روش الگوریتم ژنتیک (GA)، روش ژنتیک وزن دار (WG)، و همچنین روش های متداول PSO مبنا، حداکثر نسبت زیرمجموعه (MSR) و ضریب همبستگی (CC)، از کارایی بالاتری برخوردار می باشد.