بهبود طبقه بندي SVM درمناطق شهري با استفاده از انتخاب بهينه ويژگي ها در تصوير GeoEye-1

هدف این تحقیق بهبود دقت طبقه بندی تصاویر با قدرت تفكیك مكانی بالا در مناطق شهری می باشد. داده مورد استفاده تصویر سنجنده GeoEye-1 استان بوشهر با سه كلاس ساختمان، پوشش گیاهی و جاده می باشد. به منظور بهبود قدرت تفكیكی مكانی باندهای طیفی از الگوریتم گرام اشمیت برای تلفیق باندهای طیفی (آبی، سبز، قرمز و مادون قرمز نزدیك) با باند پانكروماتیك استفاده شده است. سپس ویژگی¬های طیفی، ویژگی¬های بافتی، تبدیل فضاهای رنگی و شاخص¬های گیاهی به عنوان ویژگی های مورد نظر از تصاویر استخراج شده است. همچنین برای انتخاب مجموعه ای مناسب از بین ویژگی¬های تولید شده، از الگوریتم¬های بهینه¬سازی كلونی مورچگان، ژنتیك و توده ذرات استفاده گردیده است. مجموعه انتخابی ویژگی¬های مناسب، به عنوان ورودی طبقه بندی كننده ماشین بردار پشتیبان در نظر گرفته شدند. دقت كلی طبقه¬بندی ماشین بردار پشتیبان با الگوریتم كلونی مورچگان 95 درصد حاصل شد كه در مقایسه با روش ماشین بردار پشتیبان با استفاده از ویژگی¬های انتخاب شده توسط الگوریتم ژنتیك و توده ذرات نشان دهنده برتری الگوریتم كلونی مورچگان می¬باشد.