بهبود دقت طبقه بندي تصاوير ابرطيفي با استفاده از ماشين بردار پشتيباني تكرارشونده با استفاده از اطلاعات مكاني- طيفي

طبقه بندي تصاويرابرطيفي بعنوان يكي از مشكلات اساسي در پردازش تصاويرابر طيفي مي باشد و همچنين يكي از مشكلات عمده در طبقه بندي تحت نظارت تصوير ابرطيفي ، محدود بودن داده هاي آموزشي مي باشد. در اين مقاله ما روش پيشنهادي را براي بهبود دقت طبقه بندي تصاوير ابرطيفي درشرايطي كه نمونه آموزشي بسيار محدود است و همچنين زماني كه بعلت تصادفي بودن نمونه هاي آموزشي طبقه بندي نادرست مي باشد، ارائه مي دهيم. روش پيشنهادي ما بر اساس تكرار روش ماشين بردار پشتيباني و همچنين استفاده از اطلاعات مكاني - طيفي مي باشد. به منظور بهبود عملكرد ماشين بردار پشتيباني تكرار شونده، از راي گيري حداكثري تكنيك هاي اصلاح ماركر نقشه براي اصلاح نمونه آموزشي درهر بار تكرار ماشين بردار پشتيباني تكرارشونده استفاده شده است. آزمايش بر روي يك تصوير ابر طيفي انجام شد و نتايج نشان داد كه آثار رويكرد پيشنهادي بهتر از ISVM و ساير طبقه بندي كننده ها مانند SVM-RBF، خطي-SVM و K-NN مي-باشد.