توسعه ي سيستم طبقه بندي كننده چندگانه با استفاده از تلفيق تصادفي باندهاي مجاور به منظور طبقه بندي تصاوير ابر طيفي

سيستم هاي طبقه بندي چندگانه (MCSs) عملكرد مناسبي براي طبقه بندي تصاوير ابر طيفي از خود نشان داده اند. اين نوع از طبقه بندي كننده ها به الگوريتم هاي خاصي اشاره نمي كنند؛ اين روش ها در حقيقت تلفيق نتايج چندين طبقه بندي كننده مجزا به نام ensemble، به منظور دستيابي به عملكرد بهتر مي باشد. كليد موفقيت MSC ها دو مورد: 1) متفاوت بودن و 2) دقيق بودن نتايج ensemble ها مي باشد. يكي از روش موجود براي توليد ensemble هاي متفاوت، انتخاب تصادفي ويژگي (باند) مي باشد كه به روش انتخاب تصادفي ويژگي (RFS) معروف است. اگرچه در اين روش، جنبه متفاوت بودن ensemble ها بالا مي باشد، تضميني در مناسب بودن ويژگي هاي استفاده شده وجود ندارد. براي مثال اگر وِيژگي هاي موجود آغشته به نويز تصادفي باشند، نتايج طبقه-بندي كننده دقيق و قابل اطمينان نمي باشد. در اين تحقيق براي پوشاندن ضعف روش مذكور، روشي با نام انتخاب تصادفي قطعه (RSS) ارائه شده است. در اين روش، براي توليد ensemble ها، در ابتدا به صورت تصادفي خوشه-هايي از ويژگي (باند) هاي مجاور انتخاب مي شوند. سپس در هر خوشه، با انجام ميانگين گيري از ويژگي ها، يك ويژگي جديد استخراج شده و عمليات طبقه بندي انجام مي گيرد. استخراج ويژگي پيشنهادي در روش RSS، باعث كاهش نويز تصادفي در باندهاي اصلي شده و نسبت سيگنال به نويز را افزايش مي دهد. علاوه بر افزايش نسبت سيگنال به نويز، روش استخراج ويژگي فوق باعث كاهش انحراف معيار يا به عبارتي فاصله ي درون كلاسي شده و در نتيجه قابليت تفكيك پذيري بين كلاس ها را بالا مي برد. نتايج انجام شده در اين تحقيق، حاكي از برتري روش پيشنهادي بر روش RFS مي باشد، به طوري كه روش پيشنهادي را مي توان جايگزين مناسبي براي آن خواند.