طبقه بندی نیمه نظارتی تصاویر ابر طیفی با استفاده از تصمیم گیر بیز تعمیم یافته

طبقه بندی تصاویر یکی از تکنیک های مهم در بینایی ماشین است. با توجه به دسترسی محدود به نمونه های برچسب دار در تصاویر فراطیفی، روش های یادگیری نیمه نظارتی (ssl) به طور گسترده ای در طبقه بندی تصاویر فراطیفی استفاده شده است. یادگیری نیمه‌نظارتی مبتنی بر نمونه های آموزشی راه‌ حل موثری برای مدل ‌سازی داده‌ ها در مسائل طبقه ‌بندی فراهم می‌کند، در این مقاله ما از نمونه های آموزشی برای طبقه بندی پیکسل های فاقد برچسب استفاده می کنیم، که بر اساس آن طبقه بندی نیمه نظارت شده انجام می شود. بهترین برچسب با استفاده از داده های طیفی و مکانی پیکسل فاقد برچسب و داده های طیفی و مکانی نمونه های آموزشی از طریق تصمیم گیر بیز انتخاب می شود. روش طبقه ‌بندی پیشنهادی با استفاده از سه مجموعه داده ابرطیفی واقعی ارزیابی می ‌شود، که عملکرد مناسبی در مقایسه با روش ‌های طبقه‌ بندی مختلف از خود نشان می‌دهد.