طبقه بندي نيمه نظارتي تصاوير ابر طيفي با استفاده از تصميم گير بيز تعميم يافته

طبقه بندي تصاوير يكي از تكنيك هاي مهم در بينايي ماشين است. با توجه به دسترسي محدود به نمونه هاي برچسب دار در تصاوير فراطيفي، روش هاي يادگيري نيمه نظارتي (SSL) به طور گسترده اي در طبقه بندي تصاوير فراطيفي استفاده شده است. يادگيري نيمه‌نظارتي مبتني بر نمونه هاي آموزشي راه‌ حل مؤثري براي مدل ‌سازي داده‌ ها در مسائل طبقه ‌بندي فراهم مي‌كند، در اين مقاله ما از نمونه هاي آموزشي براي طبقه بندي پيكسل هاي فاقد برچسب استفاده مي كنيم، كه بر اساس آن طبقه بندي نيمه نظارت شده انجام مي شود. بهترين برچسب با استفاده از داده هاي طيفي و مكاني پيكسل فاقد برچسب و داده هاي طيفي و مكاني نمونه هاي آموزشي از طريق تصميم گير بيز انتخاب مي شود. روش طبقه ‌بندي پيشنهادي با استفاده از سه مجموعه داده ابرطيفي واقعي ارزيابي مي ‌شود، كه عملكرد مناسبي در مقايسه با روش ‌هاي طبقه‌ بندي مختلف از خود نشان مي‌دهد.