ادغام ويژگي هاي طيفي و مكاني تصاوير ابر طيفي به كمك طبقه بند شبكه عصبي

يكي از مباحث مهم و چالش برانگيز در سنجش از دور طبقه بندي تصاوير ابر طيفي است برخلاف آن كه دادههاي مربوط به تصاوير ابر طيفي علاوه بر اطلاعات ويژگي طيفي داراي اطلاعات ويژگي مكاني هم هستند كه كمتر از اين ويژگيهاي مكاني در روشهاي سنتي قديمي استفاده شده است. در حالت كلي به منظور طبقه بندي اين گونه دادهها از يك طبقه بند برپايه اطلاعات طيفي و ايجاد يك نقشه با اين هدف استفاده ميشود با توجه به اين كه اين اطلاعات طيفي مربوط به پيكسلهاي تصوير است و در طبقه بندي اين پيكسلها اطلاعات مكاني لحاظ نميشود ميتواند اطلاعات مكاني در طبقه بندي پيكسلها مدنظر قرار بگيرد .بنابراين مسأله و چالش مهم در اين مبحث نحوۀ ادغام اين ويژگيهاي طيفي و مكاني به منظور دستيابي به دقت بالاتر طبقه بندي است ادغام اطلاعات طيفي و مكاني در رسيدن به دقت طبقه بندي بهتر مؤثر است در اين مقاله از روش طبقه بند شبكه عصبي در طبقه بندي تصاوير ابر طيفي به كمك ادغام ويژگي طيفي و مكاني در دو روش پشته و مبتني بر گراف دودويي استفاده شده است غير از روش متداول پشته يا stack از روش گراف دودويي ناحيه اي به منظور ادغام مناسب اطلاعات طيفي و مكاني نيز استفاده شده كه براي استفاده همزمان از اطلاعات طيفي در كنار اطلاعات مكاني Feature Fusion در طبقه بندي تصوير ابرطيفي مناسب است. در ابتداي الگوريتم از تحليل مؤلفهٔ اصلي جهت استخراج مؤلفههاي اصلي تصاوير ابر طيفي استفاده ميشود ،سپس از روشهاي فيلتر ،گابور پروفايل ريخت شناسي و مورفولوژي روي باند پيكسل تصوير ابر طيفي اطلاعات مكاني تصوير استخراج ميشود و در نهايت تصوير به كمك طبقه بند، طبقه بندي ميشود. در هر يك از اين روشها طبقه بند شبكه عصبي روي ويژگيهاي طيفي و مكاني ادغام شده به كار گرفته شده، سپس با عملكرد طبقه بند ماشين بردار پشتيبان در شرايط مشابه مقايسه مي.شود نتايج طبقه بندي بيانگر برتري طبقه بند شبكه عصبي است.