بهبود دقت طبقه‌بندی با استفاده از تلفیق الگوریتم‌های تشخیص هدف در تصاویر ابرطیفی

تصاویر ابرطیفی با قدرت تفکیک طیفی بالا باعث پیشرفت‌های وسیعی در حوزه‌های مختلف سنجش از دور شده‌اند. یکی از مهمترین کاربردهای این تصاویر در حوزه کشاورزی و جنگل می‌باشد. هدف از این تحقیق بهبود طبقه‌بندی گونه‌های مختلف گیاهی در منطقه botswana با استفاده از تلفیق الگوریتم‌های تشخیص هدف در تصویر ابرطیفی می‌باشد. در گام اول الگوریتم‌های تشخیص هدف بر روی تصویر ابر طیفی پیش‌پردازش شده پیاده‌سازی شد. در گام دوم، اطلاعات الگوریتم‌های تشخیص هدف با استفاده از روش پیشنهادی تلفیق گردید. نتایج حاصل از روش تلفیق پیشنهادی برای ابعاد پنجره مختلف پیاده‌سازی شد. بهترین دقت کلی روش تلفیق مربوط به پنجره با ابعاد 3 در 3 برابر 96/16% بود که دقت کلی نسبت به الگوریتم‌های تشخیص هدف تقریباً حداقل 8% و حداکثر 20% بهبود یافته است.

Improving the Classification Accuracy Using Combination of Target Detection Algorithms in Hyperspectral Images

Hyperspectral images, with high spectral resolution, have caused vast progress in remote sensing extensions. One of the most important applications of these images is agriculture and forest. The purpose of this research is improvement in classification of various vegetation types over Botswana region by using combination of target detection algorithms and Hyperspectral image. In the first step, target detection algorithms implemented over the preprocessed Hyperspectral image. In the second step, information of target detection algorithms was combined by using the proposed method. Results of the proposed method were implemented for different windows size. The best overall accuracy of the method was 96.16 percent for 3*3 windows size that its overall accuracy has approximately improved at least 8 percent and uttermost 20 percent with respect to the results of target detection algorithms