استفاده از ادغام در انتخاب باند از تصاوير ابرطيفي سنجش از دوري با روش هاي فراابتكاري

Fusion-based band selection for hyperspectral remote sensing images using metaheuristic methods

يك روش برخورد با مشكل باندهاي زياد تصاوير ابرطيفي، انتخاب باند با روش هاي فراابتكاري است. به دليل ماهيت تصادفي جستجوي روش هاي فراابتكاري، حتي باندهاي انتخاب شده در چند بار اجراي يك روش فراابتكاري هم متفاوت هستند. در اين پژوهش، يك نسخه مبتني بر پرواز لووي از روش فراابتكاري الگوريتم ژنتيك براي انتخاب باند توسعه يافته و تاثير ادغام نتايج حاصل از چند بار اجراي آن به صورت نيمه نظارت شده در افزايش دقت طبقه‌بندي تصاوير ابرطيفي سنجش از دوري بررسي شده است. نتايج آزمايش ها رسيدن به دقت 92 درصد براي تصوير Indian Pine، 97 درصد براي تصوير Salinas، 84 درصد براي تصوير Pavia University و 99 درصد براي تصوير Botswana را نشان مي دهد.

One way to deal with the high numbers of hyperspectral images bands is band selection with metaheuristic methods. Due to the stochastic nature of the metaheuristic search, even the selected bands in several runs of a metaheuristic method are different. In this research, a Levy flight-based version of the genetic algorithm has been developed for band selection. Then, we investigated the effect of fusion of the results of several runs of this version in increasing the classification accuracy of remote sensing hyperspectral images. The results of the experiments show an accuracy of 92% for the Indian pine dataset, 97% for the Salinas dataset, 84% for the Pavia University dataset, and 99% for the Botswana dataset.