استفاده از استخراج ويژگي بر مبناي كلاس به همراه تركيب طبقه بندي كننده ها به منظور طبقه بندي تصاوير ابرطيفي

طبقه بندي تصاوير ابر طيفي يكي از معمول ترين روش هاي استخراج اطلاعات ازتصاوير ماهواره اي ابرطيفي است. در تصاوير ابرطيفي، به علت پايين بودن تعداد نمونه هاي آموزشي نسبت به تعداد ابعاد ا ين تصاوير، ممكن است مشكلات يكتايي ماتريس كووريانس به وجود ايد. بنابراين بايستي روشي اتخاذ نمود ، تا بتوان ابعاد اين تصاوير را كاهش داد و ما در اين مقاله از روش هاي استخراج ويژگي، استفاده كرده ايم. اين روش ها بر مبناي بهينه كردن يك معيار، مثلا معيار Fisher عمل كرده و بيشترين اطلاعات موجود را به كمترين تعداد ويژگي ممكن منتقل مي كنند. در اين مقاله از روش NWFE براي استخراج ويژگي استفاده شده است. روش ديگري كه مي تواند موجب حل مشكلات ناشي از بالا بودن ابعاد اين تصاوير و پايين بودن دقت عملكرد طبقه بندي كننده ML در مورد تصاوير ابرطيفي شود، تركيب طبقه بندي كننده ها است. در اين مقاله به نوعي از روش هاي تركيب طبقه بندي كننده ها به همراه استخراج ويژگي بر مبناي كلاس استفاده شده است. نتايج به دست آمده نشان مي دهد كه استفاده از استخراج ويژگي و تركيب طبقه بندي كننده ها به صورت همزمان، مي تواند نسبت به هر يك از روش هاي استخراج ويژگي و تركيب طبقه بندي كننده ها دقت بالاتري را نتيجه دهد، ضمن اينكه در اين روش، مشكلات تمامي روش هاي قبلي نيز برطرف مي شود.