ارزيابي روش‌هاي بهينه ‌سازي فرا ابتكاري به‌ منظور اتوماسيون در روند انتخاب ويژگي و تعيين پارامترهاي طبقه‌بندي تصاوير هوايي

طبقه‌بندی كارآمد تصویر یكی از مراحل مهم در كاربردهای شناسایی تغییرات، تفسیر تصویر و برخی دیگر از كاربردهای سنجش‌ازدور است. به علت تعداد باندهای طیفی محدود، تصاویر هوایی رقومی مرسوم نمی‌توانند كلاس‌هایی با رفتار طیفی مشابه را از یكدیگر تفكیك كنند. به همین علت، بهره‌گیری از ویژگی‌های طیفی، بافتی و سایر منابع داده‌ها می‌تواند در تفكیك چنین كلاس‌هایی مؤثر و كارآمد باشد. بااین‌حال، افزایش فضای ویژگی الزاماً به‌منزله بهبود كامل نتایج طبقه‌بندی نیست، زیرا در بین ویژگی‌های ورودی، ویژگی‌های وابسته و نامرتبط وجود دارند كه این امر منجر به كاهش دقت خواهد شد. درنتیجه، انتخاب ویژگی امری مهم و ضروری است. همچنین تعیین پارامترها در برخی از طبقه‌بندی‌ها امری مهم است زیرا مستقیماً بر نتایج طبقه‌بندی تأثیرگذار خواهد بود. هدف این تحقیق بهره‌گیری از تكنیك‌های بهینه‌سازی فرا ابتكاری به‌منظور شناسایی و حذف ویژگی‌های وابسته و همچنین تعیین پارامترهای دخیل در طبقه‌بندی است. در این تحقیق روش‌های مختلف انتخاب ویژگی (الگوریتم رقابت استعماری، ازدحام ذرات و جنگل تصادفی) بر روی دو مجموعه تصویر هوایی رقومی پیاده‌سازی و با یكدیگر مقایسه شدند و درنهایت نتایج به‌دست‌آمده از طبقه‌بندی به ازای ویژگی‌های بهینه و مستقل با طبقه‌بندی بیشینه شباهت (طبقه‌بندی معیار) مقایسه شدند. نتایج حاكی از آن است كه در تصاویر، طبقه‌بندی با الگوریتم رقابت استعماری نسبت به طبقه‌بندی با استفاده از تمام ویژگی‌های ورودی بهبود قابل توجهی حاصل‌شده است. همچنین انتخاب ویژگی به كمك الگوریتم رقابت استعماری نسبت به جنگل تصادفی از نظر دقت كلی و معیار كیفیت تقریباً 4% افزایش یافته است. به‌طوركلی طبقه‌بندی با استفاده از روش‌های انتخاب ویژگی نسبت به طبقه‌بندی بیشینه شباهت از نظر دقت كلی و معیار كیفیت به ترتیب 26% و 32% بهبود یافته است. همچنین الگوریتم رقابت استعماری نسبت به سایر روش‌های انتخاب ویژگی از دقت بالاتری برخوردار است.