تاثیر انتخاب ویژگی به کمک الگوریتم ژنتیک بر طبقه بندی طیفی-مکانی تصاویر ابرطیفی

فن‌آوری سنجش از دور ابرطیفی دارای کاربردهای فراوان در طبقه بندی پوشش‌های زمین و بررسی تغییرات آنها می‌باشد. با پیشرفت‌های اخیر و ایجاد تصاویری با قدرت تفکیک مکانی بالا، لزوم استفاده توام از اطلاعات طیفی و مکانی را در طبقه بندی تصاویر ابرطیفی ایجاب می‌کند. در این تحقیق سعی می‌گردد تاثیر کاهش ابعاد به کمک الگوریتم ژنتیک را در فرآیند طبقه بندی طیفی-مکانی تصاویر ابرطیفی بررسی شود. در میان الگوریتم‌های مختلف طبقه بندی طیفی-مکانی تصاویر ابرطیفی، تاکنون سه الگوریتم قطعه بندی واترشد، هرمی و جنگل پوشای مینیمم مبتنی بر نشانه در ترکیب با الگوریتم طبقه بندی ماشین بردار پشتیبان به بهترین نتایج دست یافته‌اند. در روش پیشنهادی ابتدا به کمک الگوریتم ژنتیک ابعاد تصویر ابرطیفی کاهش یافته سپس بر روی باندهای حاصل، سه الگوریتم قطعه بندی مذکور پیاده سازی گردید. در نهایت نقشه های قطعه بندی بدست آمده به کمک قانون تصمیم رای اکثریت با نقشه طبقه بندی ماشین بردار پشتیبان ترکیب شد. روش پیشنهادی بر روی سه تصویر ابرطیفی pavia، telops و dc mall پیاده سازی گردید، نتایج آزمایشات بدست‌آمده برتری استفاده از کاهش ابعاد در الگوریتم جنگل پوشای مینیمم مبتنی بر نشانه و استفاده از تمام باندهای تصویر در الگوریتم های واترشد و هرمی مبتنی بر نشانه را نشان می‌دهد.