دانلود مقاله ترجمه شده طبقه بندی تصویر ابرطیفی با استفاده از ابزارهای غیرمحلی کلاس نسبی تطبیقی گسسته و استراتژی تلفیق انرژی

چکیده

این مقاله، یک روش طبقه­ بندی مؤثر و کارآمد برای تصویر ابرطیفی مبتنی بر الگوریتم جدید "ابزارهای غیرمحلی کلاس نسبی تطبیقی گسسته"(DACNLM­) و تعبیه ­ی آن در تابع انرژی جهانی از طریق استراتژی همجوشی(تلفیق) انرژی ارائه می­ دهد. با الهام گرفتن از کارهای انجام­ شده­ ی اخیر مرتبط با ابزارهای غیرمحلی، ما با فرض این که قطعات مشابه غیرمحلی، ساختارهای طبقه­ بندی مشابهی دارند، این چارچوب را به فضای طبقه­ بندی گسترش می ­دهیم. بنابراین، ساختارهای محلی مشابه و فرآیند میانگین­ گیری غیرمحلی، توسط الگوریتم DACNLM پیشنهادی ترکیب می­ شوند. برای تعریف توزیع انرژی، آنتروپی­ Shannon اتخاذ می­ شود. سپس، تابع انرژی توسط استراتژی تلفیقی که انرژی متناظر با پائین­ ترین عدم قطعیت را انتخاب می­ کند، بهبود می ­یابد. بدین ترتیب، عملیات طبقه­ بندی تصویر ابرطیفی که با اصطلاح حداقل­ سازی انرژی بیان شده است، به طور کارآمدی توسط الگوریتم برش گراف حل می ­شود. برای نشان دادن تأثیر الگوریتم طبقه­ بندی ابرطیفی ما، آزمایشات انجام شده بر روی 2 مجموعه داده­ ی ابرطیفی واقعی ارائه می ­گردد.

1-مقدمه

سنجنده­ های ابرطیفی، صدها پوش باند طیفی باریک مرئی برای طیف مادون قرمز و برای همان منطقه بر روی سطح زمین را در برمی­ گیرند(Chang، 2003). این مشخصه­ ی ویژه به داده­ های ابرطیفی این اجازه را می ­دهد که اطلاعات طیفی غنی­ تری ارائه دهند و برای طبقه­ بندی تصویر دقیق­ تر، بسیار مناسب است. برای مثال، این ویژگی، تمییز  گونه­ های معمولاً متفاوت از یک جنس که همزیستی می­ کنند را امکان­پذیر می­ سازد(Goodenough ­و همکاران، 2003).­ بنابراین در سال اخیر، طبقه­ بندی تصاویر ابرطیفی، در تحقیقات، مورد توجه بیشتری قرار گرفته است...