طبقه بندي طيفي-مكاني تصاوير ابرطيفي با تركيب الگوريتم‌هاي سلسله مراتبي و جنگل پوشاي كمينه مبتني بر نشانه

فن آوري سنجش از دور ابرطيفي داراي كاربردهاي فراوان در طبقه بندي پوشش هاي زمين و بررسي تغييرات آنها است. پيشرفت هاي اخير و ايجاد تصاويري با قدرت تفكيك مكاني بالا، لزوم استفاده توام از اطلاعات طيفي و مكاني را در طبقه بندي تصاوير ابرطيفي ايجاب مي كند. در اين تحقيق روشي جديد جهت طبقه بندي طيفي-مكاني تصاوير ابرطيفي معرفي شده است. در روش پيشنهادي ابتدا ده ويژگي مكاني، ميانگين، انحراف معيار، درجه تباين، يكنواختي، همبستگي، عدم تشابه، انرژي، آنتروپي، تبديل موجك و فيلتر گابور، از پيكسل هاي همسايگي تصوير ابرطيفي استخراج شده است. سپس ابعاد ويژگي هاي طيفي و مكاني بدست آمده با الگوريتم ژنتيك وزن دار كاهش يافته و در ادامه به صورت موازي دو الگوريتم قطعه بندي سلسله مراتبي و طبقه بندي جنگل پوشاي كمينه (MSF) مبتني بر نشانه بر روي ويژگي هاي كاهش يافته اعمال و در نهايت نتايج با قانون تصميم راي اكثريت تركيب گرديده است. روش پيشنهادي بر روي دو تصوير ابرطيفي پياده سازي شد، نتايج بررسي هاي انجام شده برتري و افزايش دقت روش پيشنهادي را نسبت به روش طبقه بندي ماشين بردار پشتيبان (SVM) نشان مي دهد، كه اين افزايش براي تصوير Indiana Pine حدود 10 درصد و براي تصوير Washington DC Mall حدود 7 درصد در معيار دقت كلي مي باشد.