[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: جلد 0 - مقالات برگزیده همایش ملی ژئوماتیک 94 ::
دوره 0 - مقالات برگزیده همایش ملی ژئوماتیک 94 صفحات 44-35 برگشت به فهرست نسخه ها
طبقه‌بندی نظارت‌نشده تصاویر فراطیفی با الگوریتم خوشه‌بندی Possibilistic Fuzzy c-Means
حمید عزت آبادی پور، سعید همایونی
چکیده:   (2551 مشاهده)

روش‌های طبقه‌بندی از مهم‌ترین روش‌های استخراج اطلاعات از تصاویر سنجش از دوری می‌باشند که به طور مرسوم به دو دسته نظارت‌شده و نظارت‌نشده تقسیم می‌شوند. روش‌های نظارت‌شده نیازمند جمع‌آوری داده‌های آموزشی بوده و مستلزم صرف هزینه و زمان می‌باشند. در مقابل، روش‌های نظارت‌نشده فقط متکی بر داده‌های تصویری بوده و اغلب به صورت اتوماتیک انجام می‌شوند. روش‌های نظارت‌نشده نسبت به روش‌های نظارت‌شده اگر چه معمولا دارای دقت پایین‌تری هستند، امّا نیازمند هزینه، زمان و اطلاعات کم‌تری می‌باشند و به همین دلیل توجه بسیاری از محققین را به خود جلب نموده‌اند. در میان روش‌های طبقه‌‌بندی نظارت‌نشده، روش‌های خوشه‌بندی از اهمیت ویژه‌ای برخوردارند که یکی از معروف‌ترین آن‌ها، c-means است. نسخه فازی روش c-means مدل Fuzzy c-means (FCM) است که یکی از پرکاربردترین روش‌های خوشه‌بندی می‌باشد. الگوریتم FCM به داده‌های دارای خطا حساس است و تحت تاثیر آنها قرار می‌گیرد. برای حل این مشکل، نسخه‌های اصلاحی دیگری شامل Possibilistic c-means (PCMFuzzy Possibilistic c-means (FPCM) و Possibilistic Fuzzy c-means (PFCM) توسط محققین ارائه شده است. در ابتدا مدل PCM پیشنهاد گردید که آن خود به خوشه‌های منطبق بر هم منجر می‌شد. از این رو، مدل FPCM ارائه شد که این مسئله را مرتفع نماید، اما برای یک مجموعه داده بزرگ این مدل نیز کارایی خود را از دست می‌داد. برای حل این مشکل مدل PFCM معرفی گردید که دارای انعطاف بیشتری نسبت به بقیه مدلها بود. الگوریتم خوشه‌بندی PFCM، ترکیبی از الگوریتم‌‌های FCM و PCM است که از محدودیت‌های هر دو آن‌ها به دور می‌باشد و مشکل الگوریتم FPCM را نیز ندارد. در این مقاله از یکی از موفق‌ترین نسخه‌های c-means یعنی الگوریتم خوشه‌بندی PFCM، جهت طبقه‌‌بندی داده‌های تصویری فراطیفی Hyperion استفاده گردیده و نتایج آن با نتایج الگوریتم FCM مقایسه شده است. آزمونهای انجام‌شده نشان می‌دهد الگوریتم‌ PFCM، دقت کلی را حدود %3 افزایش می‌دهد.

واژه‌های کلیدی: طبقه‌بندی بدون نظارت، Fuzzy c-means، Possibilistic Fuzzy c-means، تصاویر فراطیفی
متن کامل [PDF 1203 kb]   (3287 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:

CAPTCHA


XML   English Abstract   Print


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

Ezzatabadi Pour H, Homayouni S. Unsupervised Classification of Hyperspectral Images Using Possibilistic Fuzzy c-Means Clustering Algorithm. GEJ. 2017;
URL: http://gej.issge.ir/article-1-222-fa.html

عزت آبادی پور حمید، همایونی سعید. طبقه‌بندی نظارت‌نشده تصاویر فراطیفی با الگوریتم خوشه‌بندی Possibilistic Fuzzy c-Means. نشریه علمی ترویجی مهندسی نقشه برداری و اطلاعات مکانی. 1395;

URL: http://gej.issge.ir/article-1-222-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
جلد 0 - مقالات برگزیده همایش ملی ژئوماتیک 94 برگشت به فهرست نسخه ها
نشریه علمی مهندسی نقشه برداری و اطلاعات مکانی Geospatial Engineering Journal