عملكرد روشهاي انتخاب ويژگي در طبقه بندي تصاوير ابرطيفي با كمك برازش خم

تصاوير ابرطيفي به واسطه دقت طيفي بالا قادر به جداسازي كلاس هاي با شباهت بالا هستند. اما افزونگي داده‌ها يكي از مشكلات اساسي در استخراج اطلاعات از اين داده‌ها است. وجود ويژگي‌هاي همبسته و گاه زائد و با اطلاعات كم موجب كاهش دقت طبقه‌بندي در هنگام استفاده از تمامي اين باندها مي‌شود. براي با اين مشكل راههاي مختلفي وجود دارد: استفاده از داده‌هاي نيمه آموزشي، به‌كارگيري اطلاعات مكاني در كنار اطلاعات طيفي و نهايتاً كاهش تعداد ويژگي‌ها. كاهش تعداد ويژگي‌ها به عنوان يكي از رويكردهاي مقابله با اين مشكل موضوع موردتوجه اين مقاله است. استخراج و انتخاب ويژگي دو مرحله‌ي مكمل، براي كاهش ابعاد فضاي ويژگي مطرح مي‌باشد. در اين مقاله، روش مبتني بر تقريب تابع كسر گويا براي استخراج ويژگي استفاده مي شود و عملكردروش هاي مختلف انتخاب ويژگي بر روي داده خام و همچنين ويژگي هاي استخراج شده با تابع كسر گويا ارزيابي شده است. دقت طبقه‌بندي به‌عنوان معيار موردبررسي و كاربرد موردنظر موردتوجه مي‌باشد. طبقه‌بندي در حالت‌هاي مختلف (بدون استخراج ويژگي، استخراج ويژگي، استخراج و انتخاب ويژگي) موردبررسي قرار گرفته است.