جداسازي طيفي تصاوير ابرطيفي با استفاده از يادگيري عميق

Spectral Unmixing of Hyperspectral Images Using Deep Learning Technique

در سال‌هاي اخير با توجه به كاربرد وسيع تصاوير ابرطيفي در تجزيه و تحليل مناطق مختلف به خصوص مناطق معدني، مساله جداسازي طيفي اين تصاوير بسيار مورد توجه قرار گرفته است. به كمك جداسازي طيفي مي‌توان با دقت مطلوبي ميزان كاني‌هاي موجود در منطقه معدني مورد نظر را از تصاوير ابرطيفي تخمين زد. در اين راستا يك روش جداسازي طيفي نوين مبتني بر يادگيري ژرف در اين مقاله معرفي گرديده‌است. نتايج شبيه سازي نشان مي‌دهد كه روش پيشنهادي در مقايسه با ساير روش‌هاي مطرح جداسازي طيفي، خطاي كمتر و تخمين بهتر درصد فراواني مواد معدني را در پي داشته‌است.

Recently, spectral unmixing of hyperspectral images has gained particular attention in many practical applications especially in mineral exploration. Spectral unmixing techniques could significantly estimate the abundance fraction of minerals in a specific mineral zone. In this paper, a new spectral unmixing method based on deep learning is introduced. Simulation results show that the proposed method in comparison to the state-of-the-art algorithms could successfully estimates the abundance fraction maps.