طبقه بندي دانش مبناي تصاوير با قدرت تفكيك مكاني بالا به روش SVM-DT

در اين مقاله روشي دانش مبنا با تركيب دو روش طبقه بندي ماشين بردار پشتيبان و درخت تصميم گيري (SVM-DT) براي تلفيق دانش در سه سطح: دانش حاصل از تصوير، دانش اوليه و دانش خبره براي تصاوير با قدرت تفكيك مكاني بالا ارائه شده است. دانش حاصل از تصوير (طيفي و مكاني) به عنوان ويژگي هاي ورودي براي طبقه بندي كننده SVM به كار گرفته مي شود. دانش اوليه براي توازن تعداد داده ها ي آموزشي در طبقه بندي كننده SVM به كار مي رود. در نهايت دانش خبره نيز در دو مرحله ايجاد طرح درختي و همچنين انتخاب ويژگي هاي بهينه در روش پيشنهادي استفاده مي شود. تصوير سنجنده 2- WorldView با 8 باند طيفي و يك باند پانكروماتيك مربوط به شهر اهواز با 8 كلاس براي پياده سازي در نظر گرفته شده است. تلفيق باندها، استخراج بافت و شاخص هاي مخصوص اين تصوير ازجمله پيش پردازش ها ي انجام شده مي باشد. براي بررسي تأثير دانش هاي مختلف در روش پيشنهادي 6 طبقه بندي كننده در آزمايش ها مقايسه شده است. نتايج نشان مي دهد در مجموع تأثير دانش هاي مختلف بر دقت طبقه بندي مثبت است.