 جلسه دفاع پایاننامه: کوثر امیری، گروه مخابرات
ارائه دهنده: کوثر امیری
چکیده: طبقهبندی تصاویر ابرطیفی یک کار مهم و اساسی است. ادغام اطلاعات طیفی و مکانی می تواند به طور قابل توجهی طبقه بندی تصاویر ابرطیفی را بهبود بخشد. روش هاي مختلفی براي استفاده همزمان از اطلاعات طیفی در کنار اطلاعات مکانی به منظور طبقه بندي داده هاي ابرطیفی وجود دارند که هر چند در سال های اخیر، با نوآوری و توسعه فناوری طبقهبندی تصاویر ابرطیفی، روش و عملکرد طبقهبندی تصاویر ابرطیفی پیشرفتهایی داشته است اما همچنان مسئله چالش برانگیزي براي محققان هستند و هنوز نیاز به بررسی و تحقیق بیشتر در این زمینه احساس می شود. بنابراین در این پایان نامه سه روش پیشنهاد می گردد. در روش اول، بر روی تصاویر ابرطیفی الگوریتم تجزیه مولفههای ذاتی (EMD) اجرا میشود و اطلاعات اصلی و جزئی جداگانه پردازش و ویژگیهای آنها را استخراج شده است. سپس ویژگیهای استخراج شده ادغام شده و در نهایت از الگوریتم SVM برای طبقهبندی استفاده شده است. در روش دوم مشابه قبل ابتدا بر روی تصاویر ابرطیفی الگوریتم EMD اجرا شده است. در حقیقت در این روش شبکه عصبی کانولوشنی دو شاخهای جهت استخراج ویژگیهای اطلاعات اصلی و جزئی و ادغام آنها طراحی شده است. سپس در هر شاخه روش کاهش ویژگی بر اساس آنتروپی برای انتخاب ویژگی های با بیشترین آنتروپی اجرا می گردد. در نهایت طبقهبندی انجام می گردد. در روش سوم مشابه روش دوم عمل شده با این تفاوت که قبل از طبقه بندی از عملگرهای باز و بسته هم استفاده میشود و در نهایت طبقه بندی انجام می گردد. |
