استفاده از الگوريتم هاي استخراج پيكسل هاي خالص از تصاوير ابرطيفي به منظور شناسايي اهداف خاص

در سال هاي اخير با پيشرفت تكنولوژي در زمينه ساخت و نصب سنجنده هاي سنجش از دوري نوري، سنجنده هاي ابرطيفي با افزايش قابليت تصويربرداري در صدها باند گسترش و در عرصه سنجش از دور ظهور يافته اند. تصويربرداري ابرطيفي براي شناسايي اهداف و نظارت بر محيط زيست مورد استفاده قرار مي گيرد. همچنين كاربردهاي آن در زمينه تعيين كاربري زمين، ارزيابي پوشش گياهي و اكتشافات معدني روند رو به رشدي دارد. تصويربرداري ابرطيفي در محدوده هاي طيفي بسيار باريك و به هم پيوسته، قابليت تفكيك اشياء و پديدهها بر حسب ويژگي هاي طيفي آنها را فراهم مينمايد. جزءخالص با ويژگي طيفي خاص براي يك كلاس مشخص ميشود. يافتن اين ويژگي طيفي خاص از تصاوير ابرطيفي از آنجا كه از جمله مهمترين و مشكل ترين مراحل استخراج اطلاعات از اين نوع دادهها و بويژه طبقه بندي آن ها ميباشد، بسيار مورد توجه است. بسياري از الگوريتمهاي استخراج اجزاءخالص( EEAs) با اين هدف توسعه يافتهاند. در اين مقاله ابتدا به تشريح نحوه شكلگيري يك تصوير ابرطيفي به همراه نويز پرداخته و سپس با استفاده از الگوريتم تخمين تعداد مواد حاضر در صحنه تعداد اجزاءخالص موجود در صحنه تصوير بدست آمد و در ادامه با پياده سازي برخي الگوريتمهاي استخراج پيكسلهاي خالص نظير N-Findr ،VCAICA و ICA پيكسل هدف تعيين شده است. در پايان نتايج حاصل از اعمال اين الگوريتمها و كاربردهاي آنها ارائه شده است.