fa انتخاب ویژگی برمبنای ترکیب روش حداقل افزونگی-حداکثر ارتباط و الگوریتم ژنتیک جهت طبقه بندی تصویر تلفیقی اپتیکی و رادار با روزنه مجازی فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research <div style="text-align: justify;">استفاده از داده&shy;های چند منبعی، به‌ویژه استفاده ترکیبی از تصاویر اپتیکی و راداری، روشی موفق در بهبود سطح تفسیرپذیری داده&shy;های سنجش‌ازدور است. در این راستا، تولید و انتخاب ویژگی&shy;های مناسب از این داده&shy;ها، چالشی جدی در حوزه تحقیقات اخیر می&shy;باشد. در تحقیق حاضر، با هدف کاهش زمان دستیابی به ویژگی‌های بهینه، روشی جدید جهت انتخاب ویژگی از تصاویر تلفیقی اپتیکی و راداری ارائه‌شده است. در روش پیشنهادی، با ترکیب روش حداقل افزونگی-حداکثر ارتباط و الگوریتم ژنتیک، ویژگی‌های بهینه انتخاب می‌شوند. در این راستا، ابتدا ویژگی‌های مختلفی از تصویر استخراج‌شده و از طریق دو روش الگوریتم ژنتیک و روش حداقل افزونگی-حداکثر ارتباط- ژنتیک ویژگی&shy;های بهینه انتخاب می&shy;شوند. پس از آن تصویر توسط <span dir="LTR">SVM</span> طبقه‌بندی می‌شود. در نهایت نتایج نشان می&shy;دهد که دقت روش پیشنهادی با حصول دقت کلی 97.25، در حدود 3 درصد بیشتر از دقت روش <span dir="LTR">SVM</span> با استفاده از تمام ویژگی‌ها است. همچنین دقت کلی روش پیشنهادی و روش ژنتیک نزدیک به یکدیگر می‌باشد. درحالی&shy;که سرعت عملکرد روش پیشنهادی تقریباً 2.5 برابر سرعت عملکرد انتخاب ویژگی توسط روش ژنتیک است. بنابراین نتایج حاصل مؤید کارایی روش پیشنهادی است.</div> <div style="text-align: justify;">The use of multi-source data, especially the fusion of optical and radar images, is a promising way for improving the level of interpretability of the remote sensing data which leads to a significant performance improvement. In most practical situations,&nbsp;there are two important challenges in the image classification methods: feature space generation and choosing the appropriate method for feature selection. This paper aims at reducing the time required for achieving the optimal features. To realize this objective, a new feature selection method is suggested based on the fusion of optical and radar images. In the proposed method, Minimal Redundancy<span dir="RTL">-</span>Maximal Relevance (MRMR) and Genetic Algorithms (GA) are combined and the optimal features are seeked to improve the classification accuracy based on the SAR and optic data. In doing so, at first the SAR data and the optical image are fused together using wavelet procedure. Afterward, several features are extracted from the fused image. In the next stage, the feature selection step is carried out based on the GA method and the combination of the MRMR and GA which is termed MRMR-GA algorithm. Lastly, the fused image is classified using the support vector machine classifier. For the performance analysis of the proposed approach, the TerraSAR and the Ikonos images which are acquired over Shiraz in Iran, are employed. The suggested method leads to the overall accuracy of 97.25 percent, which indicates the accuracy of the MRMR-GA method is 3% higher than that of the SVM classification with inclusion of the entire feature set. Moreover, the overall accuracy of the proposed approach and GA is approximately equal, while the performance of the MRMR-GA method is approximately 2.5 times faster than the GA. Therefore, the obtained results confirm the efficiency of the proposed method in feature selection for the purpose of the image classification.<br> <br> &nbsp;</div> طبقه‌بندی تصویر, تلفیق, انتخاب ویژگی, MRMR-GA Image Classification, Fusion, Feature Selection, MRMR-GA 69 82 http://jgst.issgeac.ir/browse.php?a_code=A-10-182-2&slc_lang=fa&sid=1 M. Teimouri مریم تیموری mteimouri@mail.kntu.ac.ir 10031947532846005681 10031947532846005681 Yes K.N.Toosi University of Technology دانشگاه صنعتی خواجه‌نصیرالدین‌طوسی M. Mokhtarzade مهدی مختارزاده m_mokhtarzade@kntu.ac.ir 10031947532846005682 10031947532846005682 No K.N.Toosi University of Technology دانشگاه صنعتی خواجه‌نصیرالدین‌طوسی Y. Amerian یزدان عامریان amerian@kntu.ac.ir 10031947532846005683 10031947532846005683 No K.N.Toosi University of Technology دانشگاه صنعتی خواجه‌نصیرالدین‌طوسی