استفاده از الگوريتم FireFly در بهبود طبقه بندي تصوير ماهواره اي ASTER

داده هاي ماهواره اي به جهت ارايهي اطلاعات به هنگام و رقومي، تنوع اشكال و امكان پردازش در تهيه نقشه هاي كاربري اراضي از اهميت بالايي برخوردارند. از سوي ديگر در سالهاي اخير به طور وسيع و گسترده جهت طبقه بندي تصاوير ماهواره اي از روش هاي طبقه بندي پيشرفته از قبيل شبكه هاي عصبي مصنوعي، مجموعه هاي فازي و شبكه هاي هوشمند استفاده شده است. بهينه سازي، يكي از حوزه هاي تحقيقاتي مهم در دهه هاي اخير بوده است كه نتيجه ي آن طراحي انواع مختلفي از الگوريتم ها بوده است. هدف از اين تحقيق بهبود دقت طبقه بندي تصوير سنجنده ASTER شهر رفسنجان با استفاده از الگوريتم بهينه سازي كرم شبتاب (Firefly) است. بدين منظور ابتدا با استفاده از دو الگوريتم طبقه بندي شبكه عصبي و ماشين هاي بردار پشتبان (SVM) تصوير ASTER مربوطه طبقه بندي و نقشه ي كاربري اراضي آن تهيه شد. سپس مقادير دقت و ضريب كاپا براي اين دو الگوريتم محاسبه شد. الگوريتم Firefly در نرم افزار متلب برنامه نويسي شد و بعد از طبقه بندي تصاوير با استفاده از اين برنامه، دقت حاصل از طبقه بندي براي سنجنده ASTER با اين الگوريتم در طبقه بندي شبكه عصبي به ميزان 1 درصد و در طبقه بندي SVM به ميزان 3 درصد افزايش يافت.