|
بهبود صحت طبقهبندی تصاویر فراطیفی با استفاده از الگوریتم کلونی زنبورعسل مصنوعی
|
علی اصغر تراهی*   |
|
|
|
چکیده: (7 مشاهده) |
تصویربرداری فراطیفی به دلیل قابلیت تفکیک دقیق مواد، ابزاری قدرتمند در علوم زمین و سنجش از دور محسوب میشود. با این حال، چالش ذاتی پیکسلهای مختلط که ناشی از محدودیت در قدرت تفکیک مکانی سنجندهها است، دقت روشهای طبقهبندی متعارف را به شدت کاهش میدهد. هدف اصلی این پژوهش، ارائه و ارزیابی یک رویکرد نوین مبتنی بر هوش جمعی برای بهبود فرایند جداسازی طیفی و در نتیجه، افزایش صحت طبقهبندی است. در این راستا، عملکرد الگوریتم کلونی زنبورعسل مصنوعی (ABC) به عنوان یک روش بهینهسازی سراسری که به فرض وجود پیکسل خالص در تصویر وابسته نیست، با سه الگوریتم هندسی مرسوم _ شاخص خلوص پیکسلی (PPI)، N-Finder، مخروط محدب با حداکثر زاویه متوالی (SMACC) _ مقایسه شده است. روششناسی تحقیق بر روی مجموعه داده استاندارد AVIRIS منطقه کوپریت نوادا پیادهسازی شد. پس از اعمال پیشپردازشهای ضروری شامل تصحیحات اتمسفری (FLAASH) و کاهش ابعاد (MNF)، اندممبرهای کانیهای شاخص (آلونایت، کائولینیت و کلسیدو) با استفاده از هر چهار الگوریتم استخراج شدند. کیفیت اندممبرهای استخراجشده با معیارهای کمی نظیر زاویه طیفی (SAM)، فاصله اقلیدسی (ED) و خطای میانگین مربعات (RMSE) در مقایسه با کتابخانه طیفی USGS ارزیابی گردید. در نهایت، طبقهبندی تصویر با الگوریتم SAM انجام و صحت نتایج با شاخصهای صحت کلی (OA) و ضریب کاپا (Kappa) سنجیده شد. یافتههای کلیدی نشاندهنده برتری مطلق الگوریتم ABC است؛ بهطوریکه صحت کلی طبقهبندی را به 91.14% و ضریب کاپا را به 78.42% رساند، در حالی که بهترین عملکرد در میان روشهای هندسی (PPI) به ترتیب صحت کلی 86.19% و کاپای 62.69% را ثبت نمود. این نتایج، فرضیه تحقیق را تأیید کرده و قابلیت اطمینان بالای الگوریتم ABC را برای تحلیل دقیق تصاویر فراطیفی در محیطهای واقعی و فاقد پیکسل خالص به اثبات میرساند. |
|
| واژههای کلیدی: تصویربرداری فراطیفی، استخراج اندممبر، کلونی زنبورعسل مصنوعی، جداسازی طیفی، صحت طبقهبندی، AVIRIS Cuprite |
|
|
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
فتوگرامتری و سنجش از دور
دریافت: 1404/7/1 | پذیرش: 1405/3/14
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
