ارائه یک پیش‌پردازشگر مکانی ‌طیفی جدید برای بهبود تجزیه طیفی تصاویر ابرطیفی

هدف از تجزیه طیفی تصاویر ابرطیفی، استخراج امضاهای طیفی عناصر خالص تشکیل دهنده پیکسل‌های صحنه و فراوانی آن‌هاست. بیشترِ الگوریتم‌های به‌کاررفته در فرآیند استخراج امضاهای طیفی، بدون آنکه ساختار و همبستگی مکانی پیکسل‌های تصویر را در نظر بگیرند، تنها به اطلاعات طیفی پیکسل‌های تصویر توجه کرده‌اند. به‌تازگی الگوریتم‌هایی پباده سازی شده است که به کمک ترکیب اطلاعات مکانی و طیفی، فرآیند شناسایی عناصر خالص و تجزیه طیفی را بهبود می بخشند. در این مقاله، یک ماژول پیش‌پردازشگر جدید مکانی‌طیفی ارائه شده است؛ به‌طوری‌که پیکسل‌های نواحی مرزی به کمک نقشه کلاس به‌دست آمده از الگوریتم کلاسترینگ، بدون نظارت و پنجره همسایگی 8تایی، میان دو یا چند ناحیه کلاستر را شناسایی و این نواحی ناهمگن مکانی را حذف می کنند. سپس به کمک محاسبه وزن خلوص طیفی پیکسل‌های غیرِمرزی و آستانه‌گذاری، پیکسل‌های موجود در نواحی همگن مکانی و خالص طیفی را شناسایی می‌کنند تا طبقات استخراج عناصر خالص بعدی بتوانند با دقت و سرعت بیشتری، امضاهای طیفی را استخراج کنند. هدف ماژول مستقل پیشنهادی، کاهش خطای rmse تصویرِ بازسازی‌شده و مدت زمان پردازش لازم برای استخراج عناصر خالص و بهبود معیار جدیدی به‌نام بازده نسبت به دیگر طبقات پیش پردازشگر موجود بر روی تصاویر ابرطیفی واقعی است.