شماره ركورد كنفرانس :
3378
عنوان مقاله :
ارزيابي قابليت الگوريتم هاي SVM و SAM در طبقه‌بندي تصاوير فراطيفي
پديدآورندگان :
تراهي علي‌‌اصغر دانشگاه خوارزمي تهران - دانشكده علوم جغرافيايي - گروه سنجش از دور و GIS , خاني پردنجاني حامد دانشگاه خوارزمي تهران - دانشكده علوم جغرافيايي - گروه سنجش از دور و GIS , رضايي فرهادآباد علي دانشگاه خوارزمي تهران - دانشكده علوم جغرافيايي - گروه سنجش از دور و GIS
كليدواژه :
تصاوير فراطيفي , الگوريتم SAM , ماشين بردار پشتيبان , Kernel type , Hyperion , SVM
عنوان كنفرانس :
همايش ژئوماتيك ۹۵
چكيده فارسي :
تصاوير فراطيفي به علت غناي اطلاعات طيفي يك ابزار قوي و كارامد در سنجش از دور به حساب مي آيند و امكان تمايز بين عوارض مشابه را فراهم مي آورند. عليرغم اين ويژگي مفيد و مهم، تعدد باندها يا به عبارت ديگر اطلاعات طيفي با ابعاد زياد، چالشي جدي در پردازش و تجزيه تحليل ايـن داده‌هـا در برابـر پژوهـشگران قـرار داده‌است. در اين تحقيق توانايي الگوريتم SAM در مقايسه با طبقه بندي كننده هاي بردار پشتيبان (SVM) در كرنل‌سايزهاي مختلف بـر روي تـصوير فراطيفي سنجنده Hyperion با 242 باند، پياده‌سازي گرديد. در ادامه با بررسي صحت روش طبقه‌بندي به كمـك داده هـاي روش هاي مذكور جهت طبقه بندي كارآمد تصاوير فرا طيفي مورد ارزيابي قرار گرفت. و اين نتيجه بدست آمد كه طبقه بندي SVM با كرنل‌‌سايز RBF بهترين نوع طبقه بندي با ضريب كاپاي 0.9851 و دقت كلي 99.0256 درصد و ضعيف‌ترين طبقه بندي مربوط به طبقه بندي SAM با ضريب كاپاي 0.8257 و دقت كلي 88.3212 درصد مي‌باشد.
