طبقه بندي نظارت شده تصاوير ابرطيفي به وسيله الگوريتم دو مرحله اي

یكی از منابع اطلاعاتی ارزشمند جهت استخراج اطلاعات از پوشش سطح زمین استفاده از تصاویر ابرطیفی است. این تصاویر به علت تعداد باندهای زیادی كه دارند داده هایی با حجم بسیار بالا را در اختیار می‌گذارند. در روش های مرسوم جهت طبقه بندی نظارت شده این تصاویر مانند ماشین بردار پشتیبان(SVM )، بیشترین احتمال و K نزدیكترین همسایگی(KNN ) با استفاده از الگوریتم هایی تعدادی از باندهای بهینه جهت انجام طبقه بندی انتخاب می‌شوند و دلیل این امر سرعت بخشیدن به روند طبقه بندی تصویر است. گاهی انتخاب باند ها باعث كاهش دقت در طبقه بندی تصاویر ابرطیفی به ویژه برای كلاس هایی كه شباهت طیفی زیادی به هم دارند می‌شود، به همین منظور در این مقاله الگوریتم دو مرحله ای برای بهبود دقت طبقه بندی تصاویر ابرطیفی ارائه شده است. الگوریتم ارائه شده بر روی یك تصویر ابر طیفی دارای 102 باند و با استفاده از روش SVM اعمال شده و نتایج آن با نتایج به دست آمده قبل از اعمال این الگوریتم مقایسه شده است. نتایج حاصل برای استفاده از این روش نشان دهنده افزایش در دقت طبقه بندی كلاس هایی كه دارای تشابه طیفی زیادی هستند می‌باشد.