آناليز مولفه هاي اصلي غيرخطي براي طبقه بندي طيفي - مكاني تصاوير فراطيفي بر مبناي پروفيل هاي همسايگي

روشهاي طبقه بندي در تصاوير فراطيفي، معمولا بر اساس ويژگي ها و اطلاعات طيفي صورت مي گيرد. در اين پژوهش براي بهبود دقت طبقه بندي، از داده هاي وابستگي مكاني در كنار داده هاي طيفي استفاده شده است. براي اين منظور روش پروفيل هاي همسايگي به كار گرفته شد. اين پروفيل ها در حالت كلي بر روي مولفه هايي از تصوير كه شامل بيشترين اطلاعات مي باشند، از قبيل مولفه هاي بدست آمده از آناليز مولفه هاي اصلي اعمال مي گردد. اخيرا آناليز مولفه هاي اصلي غير خطي كه به وسيله شبكه هاي عصبي اجرا مي گردند به عنوان تكنيكي جديد جهت خلاصه نمودن اطلاعات تصوير فراطيفي در چند مولفه معرفي شده است. هدف از اين تحقيق بررسي دقت طبقه بندي بدست آمده از پروفيل هاي همسايگي بروي ويژگيهاي حاصل از آناليز مولفه هاي اصلي غيرخطي مي باشد. راهبرد فوق بر روي تصوير فراطيفي ROSIS مورد ارزيابي قرار گرفت. نتايج بدست آمده با حالتي كه از آناليز مولفه هاي اصلي خطي استفاده مي شود، مقايسه گرديد. نتايج ارزيابي هاي كمي و كيفي روش پيشنهادي نشان داد كه استفاده راهبرد فوق مقدار ضريب كاپا را به ميزان 10.45 درصد براي الگوريتم طبقه بندي شبكه عصبي و 5.48 درصد براي الگوريتم طبقه بندي ماشين بردار پشتيبان در مقايسه با آناليز مولفه هاي اصلي خطي بهبود داده است.