جستجو در تالارهای گفتگو

برآورد بعد ذاتي در تصاوير ماهواره اي ابرطيفي نویسندگان: حسنلو مهدي*, صمدزادگان فرهاد با پيشرفت سنجنده هاي سنجش از دور طيفي با توانتفکيک طيفي بالا، تصاوير ابرطيفي ماهواره اي بطور وسيع به منظور نظارت بر سطح زمين به خدمت گرفته شده اند. بزرگي ابعاد اين تصاوير نه تنها باعث افزايش پيچيدگي محاسبات گرديده بلکه باعث کاهش دقت طبقه بندي تصوير نيز شده است. کاهش ابعاد يکي از اصلي ترين روش ها در تصاوير ابرطيفي براي بهبود دقت طبقه بندي است. معمول ترين روش در کاهش ابعد انتخاب عارضه مي باشد. بطور ايده آل کاهش نمايندگان يک مجموعه به کاهش ابعاد ذاتي آن مرتبط مي شود. روشهاي مختلفي براي برآورد بعد ذاتي و نيز کاهش ابعاد در تصاوير ابرطيفي در منابع وجود دارد. در اين مقاله به شرح و مقايسه پنج تکنيک برآورد بعد ذاتي پرداخته و کارايي اين تکنيک ها را به منظور طبقه بندي با نظارت تصاوير ابرطيفي بررسي و بحث کرده است. اين تکنيکها شامل برآوردکننده مقدار ويژه (EV)، برآوردکننده بيشترين شباهت (ML)، برآوردکننده بعد همبسته (CD)، برآوردکننده عدد بسته بندي (PN) و کمترين گشترش درخت ژئودزيک (GMST) مي باشد. روش طبقه بندي کننده نزديکترين همسايگي (K-NN) به منظور طبقه بندي بانظارت مورد استفاده قرار گرفته است. تعداد زيادي از فواصل متريک در اين طبقه بندي کننده مورد استفاده و مقايسه قرار گرفته است. پرکاربردترين روش هاي کاهش ابعاد مانند تحليل مولفه اصلي (PCA) و تحليل مولفه مستقل (ICA) در خروجي روش هاي برآورده گر بکار گرفته شده است. اين تحقيق نگاهي مقايسه اي و مروري بر روش هاي برآورده گر داشته و نيز عارضه هاي باندي استخراج شده را به منظور طبقه بندي مورد استفاده قرار داده است. منبع: [Hidden Content] دانلود: [Hidden Content] 7002413920309.pdf