[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 4، شماره 3 - ( 6-1392 ) ::
دوره 4 شماره 3 صفحات 57-70 برگشت به فهرست نسخه ها
طبقه‌بندی خردپیکسلی تصاویر فراطیفی با استفاده از تحلیل مولفه‌های مستقل
حسین ارمشی *، سعید همایونی، محمد سعادت سرشت
چکیده:   (3808 مشاهده)
شناسایی و تشخیص عوارض شهری، یکی از کاربردهای پیچیده در طبقه‌بندی تصاویر سنجش از دوری است. با این وجود، به نظر می‌رسد تصاویر فراطیفی به دلیل توانمندی ویژه در ارائه اطلاعات پیرامون مواد و اشیاء سطح زمین، توان بهتری داشته باشند. روش‌های پردازش تصاویر کلاسیک معمولا برای داده‌های فراطیفی، به نتایج قابل قبولی منجر نمی‌شوند. از این‌ رو، روش-های نوینی برای استخراج اطلاعات از این نوع داده‌ها، مطرح شده‌اند. در این مقاله، بر پایه‌ی تحلیل مولفه‌های مستقل (Independent Component Analysis (ICA)) که یک روش پردازش سیگنال برای کاربردهای گوناگون جداسازی منابع است، یک الگوریتم طبقه‌بندی نرم ارائه شده است. ایده اصلی روش ICA، بر مبنای فرض خطی بودن ترکیب منابع و استقلال آماری دو جانبه آنهاست. این روش، جداسازی منابع مرتبط با سهم و توزیع مواد گوناگون در صحنه را، بدون هیچ دانشی از پیش، فراهم می‌کند. به عبارت دیگر می‌توان این تحلیل را به عنوان راه حل غیر نظارت شده برای طبقه‌بندی نرم و جزء پیکسلی درنظر گرفت. در کاربرد طبقه‌بندی نرم، سیستم تصویربرداری فراطیفی، یک سیستم مشاهده‌گر با یک ترکیب طیفی خطی در نظر گرفته می‌شود. همچنین فرض می‌شود اطلاعات فراوانی کلاس‌های طیفی، مستقل هستند و به عنوان انواع گوناگونی از مواد با طیف خالص نسبی تفسیر شوند. به علت ابهامات ذاتی ICA، منابع تخمین زده شده منطبق با فراوانی کلاس-های طیفی حاضر در صحنه نیست و نمی‌توانند به طور مستقیم به عنوان میزان حضور یا تعلق کلاس‌ها در صحنه مورد استفاده قرار گیرند. بنابراین، جهت تهیه نقشه‌های مواد حاضر در صحنه‌ی نقشه‌های پوششی، مرحله دیگری که همان تصمیم‌گیری، بر مبنای منطق فازی است، مورد نیاز است. الگوریتم پیشنهادی بر روی داده‌های سنجنده‌ی هوابرد CASI، پیاده‌سازی شد. نتایج از طریق مقایسه با داده حقیقی زمینی ارزیابی شد. نتایج این پژوهش نشان می‌دهد که این الگوریتم برای کشف کلاس‌های اصلی موجود در صحنه توانمند است. با این وجود فرض خطی بودن مدل ممکن است همیشه برای برخی پدیده‌ها مانند اثر توپوگرافی روی سقف ساختمان‌ها، اثرات اتمسفری و پدیده اختلاط طیفی سازگار نباشد.
واژه‌های کلیدی: طبقه‌بندی نرم، جداسازی طیفی، پردازش تصاویر فراطیفی، تحلیل مولفه‌های مستقل، نقشه پوشش شهری
متن کامل [PDF 319 kb]   (630 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فتوگرامتری و سنجش از دور
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

کد امنیتی را در کادر بنویسید >


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

H. Armeshi, S. Homayouni, M. Saadatseresht. ICA-based Algorithm for Hypespectral image Classification, FastICA versus JadeICA. GEJ. 2013; 4 (3) :57-70
URL: http://gej.issge.ir/article-1-34-fa.html

ارمشی حسین، همایونی سعید، سعادت سرشت محمد. طبقه‌بندی خردپیکسلی تصاویر فراطیفی با استفاده از تحلیل مولفه‌های مستقل. نشریه علمی ترویجی مهندسی نقشه برداری و اطلاعات مکانی. 1392; 4 (3) :57-70

URL: http://gej.issge.ir/article-1-34-fa.html



دوره 4، شماره 3 - ( 6-1392 ) برگشت به فهرست نسخه ها
نشریه علمی ترویجی مهندسی نقشه برداری و اطلاعات مکانی Geospatial Engineering Journal