|
|
|
|
استخراج ویژگی طیفی مکانی با استفاده از تحلیل طیفی تکین سه بعدی برای طبقه بندی تصاویر ابرطیفی
|
|
|
|
|
|
|
|
نویسنده
|
دشتی فرد احسان ,محمودزاده آذر ,کشاورز احمد ,آگاهی حامد
|
|
منبع
|
مهندسي مخابرات جنوب - 1402 - دوره : 12 - شماره : 47 - صفحه:37 -52
|
|
چکیده
|
استخراج ویژگی دارای نقشی ارزنده در پردازش تصاویر ابرطیفی است. در سال های اخیر روش های گوناگونی برای استخراج ویژگی های کارآمد تصاویر ابر طیفی ارائه شده است. اخیرا تحلیل طیفی تکین شامل ویرایش معمولی آن در حوزه طیفی و تحلیل طیفی تکین دو بعدی در حوزه مکانی با موفقیت برای استخراج ویژگی در تصاویر ابرطیفی بکار گرفته شده است. با این حال عدم توفیق در استخراج ویژگی های موثر طیفی مکانی مشترک به عنوان یکی از اشکالات این دو الگوریتم به شمار می رود. در این مقاله برای غلبه بر این اشکال، یک توسعه سه بعدی از تحلیل طیفی تکین ارائه شده است. اعمال مدل پیشنهادی به تصاویر ابرطیفی منجر به حذف مولفه های نویزی شده و توانایی تشخیص ویژگیها بسیار بهبود می یابد. در این پژوهش، از دو مجموعه داده در دسترس عموم برای انجام آزمایش ها استفاده شده است. نتایج آزمایشگاهی نشان می دهد که روش پیشنهادی ما عملکرد امیدوار کننده ای دارد به گونه ای که دقت طبقه بندی را در مقایسه با سایر روش های اخیر، حداقل 1/93% و 1/27% به ترتیب برای مجموعه داده ابرطیفی ایندیانا و دانشگاه پاویا بهبود بخشیده است.
|
|
کلیدواژه
|
استخراج ویژگی، تصویر ابرطیفی، تحلیل طیفی تکین سه بعدی، طبقه بندی، طیفی مکانی
|
|
آدرس
|
دانشگاه آزاد اسلامی واحد شیراز, گروه مهندسی برق, ایران, دانشگاه آزاد اسلامی واحد شیراز, گروه مهندسی برق, ایران, دانشگاه خلیج فارس, دانشکده مهندسی سیستمهای هوشمند و علوم داده, گروه مهندسی برق, ایران, دانشگاه آزاد اسلامی واحد شیراز, گروه مهندسی برق, ایران
|
|
پست الکترونیکی
|
agahi@iaushiraz.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
spatial -spectral feature extraction using three-dimensional singular spectrum analysis for hyperspectral image classification
|
|
|
|
|
Authors
|
dashtifard ehsan ,mahmoodzadeh azar ,keshavarz ahmad ,agahi hamed
|
|
Abstract
|
feature extraction has a valuable role in hyperspectral images processing. in recent years, various methods have been presented to extract efficient features of hyperspectral images. recent studies have successfully used conventional singular spectrum analysis in the spectral domain and two-dimensional singular spectrum analysis in the spatial domain for feature extraction in hyperspectral images. however, a lack of success in joint spectral-spatial feature extraction is a problem with both algorithms. this study uses a three-dimensional singular spectrum analysis extension to overcome this problem. the implementation of proposal model on hyperspectral images removes the noise components during spectral-spatial feature extraction process and significantly improves features identification capability. this study conducts experiments using two publically available datasets. experimental results show that our proposed method has a promising performance so that it has improved the classification accuracy compared to recent methods by at least 1.93% and 1.27% for datasets indian pines and pavia university, respectively.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|