سنجش از دور و Gis ایران، جلد ۶، شماره ۲، صفحات ۰-۰
عنوان فارسی استفاده از آنالیزهای مورفولوژی به‌منظور بهبود دقت طبقه‌بندی تصاویر ابر‌طیفی با حد تفکیک بالا
چکیده فارسی مقاله آنالیز موفولوژی، با تمرکز بر آنالیز روابط مکانی بین پیکسل‌های همسایه، پردازش تصویر کامل‌تری را در مقایسه با آنالیزهایی که بر پایه اثر طیفی یک پیکسل تنها هستند، به‌دست می‌دهد. روش پیشنهادی در این مقاله با استفاده هم‌زمان از اطلاعات طیفی و اطلاعات مکانی حاصل از آنالیز مورفولوژی نتایج نهایی طبقه‌بندی را در تصاویر ابر‌طیفی بهبود می‌بخشد. در این پژوهش ابتدا با استفاده از نمونه‌های آموزشی محدود، ویژگی‌های منتخب اولیه استخراج شدند و پس از اعمال آنالیزهای مورفولوژی روی هر یک از آنها، پروفایل‌های مورفولوژی تشکیل شدند و از ترکیب این پروفایل‌ها، پروفایل مورفولوژی گسترده تولید شد. سپس پروفایل مورفولوژی گسترده‌شده با ویژگی‌های منتخب اولیه ترکیب شد و مجدداً استخراج ویژگی نهایی صورت گرفت. ویژگی‌های منتخب نهایی با استفاده از طبقه‌بندی‌کننده ماشین‌ بردار پشتیبان طبقه‌بندی شدند. سپس پس‌پردازش تصویر نهایی با استفاده از فیلتر رأی‌گیری اکثریت انجام شد. این روش، روی داده شهری و نیمه‌شهری از سنجنده ROSIS تست شد. دقت طبقه‌بندی نهایی از 86/98 و 70/82 درصد در روش‌های معمولی به 36/99 و 75/95 درصد در روش پیشنهادی به‌ترتیب در تصویر منطقه شهری و نیمه‌شهری افزایش یافته است. کلید‌واژه‌ها : آنالیز مورفولوژی، ماشین‌بردار پشتیبان، استخراج ویژگی، طبقه‌بندی، رأی‌گیری اکثریت.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Using of Morphology Analysis for Precision Improvement of High Resolution Hyper Spectral Images Classification
چکیده انگلیسی مقاله Morphology analysis which concentrates on spatial relations analysis between neighborhood pixels provides a better image processing compared to analyses which are only based on spectral signature of a single pixel. The proposed method in this paper integrates spectral and spatial information produced from morphology analysis to improve the final result of hyper spectral image classification. For this reason at first, primary components are extracted using limited training samples. Extended morphological profiles are then produced by applying morphological analysis on each extracted features. Afterwards, Final components are extracted by applying a supervised feature selections on a datasets composed of both the spectral and the extended morphological features. The extracted features are introduced into the Support Vector Machine (SVM) algorithm. The final results are then archived by implementing a majority filter as a post-processing step. The proposed method is implemented on aerial hyper spectral images of Rosis sensor taken from urban and semi-urban areas from. The obtained results proved the efficiency of the proposed method where classification accuracies are improved from 98.86 and 82.70 in conventional method to 99.36 and 95.75 in urban and semi-urban areas respectively.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سمیه یعقوبی |


نشانی اینترنتی http://gisj.sbu.ac.ir/article/view/6290
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/911/article-911-444017.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده مقالات
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات