ارزيابي روش انتخاب ويژگي براي شناسايي بهترين باندهاي طيفي تصوير ابرطيفي هايپريون (مطالعه موردي: شناسايي دگرساني هاي معدن مس پورفيري دره زار- كرمان)

طبقه بندي نظارت‌‌شده يكي از بهترين روش هاي استخراج اطلاعات از تصوير است. دقت طبقه بندي نظارت‌شده تصاوير سنجش از دور متأثر از تعداد باندهاي طيفي و تعداد نمونه هاي آموزشي است؛ به‌طوري‌كه اگر تعداد نمونه ها از تعداد باندها خيلي كمتر باشد دقت طبقه بندي كاهش مي يابد. وقوع اين مشكل در طبقه بندي تصاوير ابرطيفي به‌دليل داشتن باندهاي طيفي بسيار بيشتر در مقايسه با تصاوير چندطيفي، محتمل تر است. در چنين شرايطي استفاده از روش هاي انتخاب ويژگي مي تواند راه‌گشا باشد. اين روش ها با انتخاب باند هاي داراي بيشترين اطلاعات در مورد موضوع مورد بررسي و حذف باند هاي نامربوط، زائد و داراي اطلاعات تكراري كارآيي طبقه بندي را افزايش مي دهند. در اين پژوهش استفاده از يك روش انتخاب ويژگي مبتني بر الگوريتم رقابت استعماري فازي به شناسايي تنها 5 درصد از كل باندهاي طيفي يعني 9 باند از بين 165 باند قابل استفاده هايپريون منجر شد. 9 باند يادشده بيشترين سهم در شناسايي مناطق دگرساني را داشته و دقيقاً در بازه هايي قرار گرفته اند كه مناسب براي شناسايي كاني هاي شاخص مناطق دگرساني هستند كه خود بيانگر دقت بالاي روش استفاده‌ شده است. همچنين طبقه بندي نظارت‌شده توسط ماشين بردار پشتيبان و با استفاده از 17 نمونه دگرساني برداشت‌شده از محدوده نشان مي دهد كه دقت نقشه پراكندگي دگرساني با استفاده از 9 باند انتخاب‌شده در مقايسه با حالتي كه كل باندهاي هايپريون استفاده شده اند، به‌طور چشمگيري بهبود يافته است.