استخراج، بهينه سازي و بررسي تاثير اطلاعات مختلف بافت تصوير در طبقه بندي تصاوير بزرگ مقياس

كاربردهاي مختلف بافت شامل آناليز شكل، پردازش تصاوير، طبقه بندي و .... مي شود. در اين مقاله روندي بر اساس محاسبه مجموعه اي از بافت هاي مختلف از تصوير بزرگ مقياس ماهواره IKONOS بررسي شد. به اين منظور اطلاعات بافت مختلف شامل گابور دو بعدي و ماتريس هم رخدادي درجات خاكستري دو بعدي مورد بررسي قرار گرفت . تصوير حاصل از تبديل گابور با تصاوير حاصل از ماتريس هم رخدادي در حالت هاي مختلف تركيب و اين تركيب هاي متفاوت توسط الگوريتم هاي طبقه بندي بيشترين شباهت و ماشين بردار پشتيبان طبقه بندي شد. به علت افزوني فضاي ويژگي و تاثير بالعكس و منفي روي دقت كلي حاصل از طبقه بندي كننده هاي مرسوم ،پيش از ورود باندها به طبقه بندي كننده ها، باندهاي داراي كمترين وابستگي و بهينه توسط الگوريتم بهينه سازي ژنتيك انتخاب شد و نتايج حاصل از اين الگوريتم در 4 حالت مختلف طبقه بندي شد. در حالت استفاده از تمام وِيژگي ها به طور همزمان، دقت كلي به مقدار 20 درصد در روش SVM و 26 درصد در MLC نسبت به حالت استفاده از باندهاي طيفي تصوير ،افزايش يافت . همچنين در اين حالت افزايش ضريب كاپا به ميزان 26 درصد براي SVM و 33 درصد براي MLC نسبت به حالت استفاده از باندهاي طيفي مشاهده شد. در بسياري از حالات طبقه بندي ماشين بردار پشتيبان داراي دقت كلي بالاتر و ضريب كاپاي بيشتر شد.