[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 6، شماره 3 - ( 9-1397 ) ::
جلد 6 شماره 3 صفحات 101-122 برگشت به فهرست نسخه ها
انتخاب باندهای بهینه جهت بهبود جداسازی طیفی تصاویر ابرطیفی
امید غفاری ، محمدجواد ولدان زوج، مهدی مختارزاده
دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده:   (186 مشاهده)
مدل آنالیز ترکیب خطی به طور گسترده‌ای برای برآورد سهم هر ماده خالص در اختلاط طیفی مورد استفاده قرار میگیرد. راهحل ریاضی مسئله ترکیب، حل مجموعه‌ای از معادلات خطی با استفاده از روش کمترین مربعات میباشد. اما بیشترین منبع خطا در روشهای متداول آنالیز ترکیب طیفی ناشی از عدم امکان محاسبه تغییرات طیفی اعضای خالص در سیر زمان و مکان است. در این فرآیند از اعضای خالص ثابتی برای کل صحنه تصویربرداری استفاده میشود. علاوه بر این، اگر اعضای خالص به شدت به یکدیگر وابسته باشند ماتریس ضرایب دچار کمبود رنک شده و حل مسئله معکوس همراه با ناپایداری خواهد بود. به این ترتیب فراوانی‌های برآورد شده به شدت به خطاهای تصادفی حساس می‌گردند. در این مقاله روش جدیدی برای انتخاب باند متشکل از اولویت‌بندی باندها در راستای کاهش اثر تغییرپذیری طیفی و کاهش همبستگی بین باندها برمبنای زاویه آنها ارائه شده‌است. با استفاده از روش پیشنهادی و به کمک داده‌های شبیه‌سازی شده و واقعی نشان داده شد که می‌توان به‌طور موثری به حذف تعداد زیادی از باندهای غیر ضروری اقدام نمود. آزمایش‌ها نشان داد که با انتخاب باندهای مناسب، کمتر از 20 درصد باندها، می‌توان به نتایج قابل مقایسه و حتی بهتری از نتایج حاصل از تمام باندها رسید.
واژه‌های کلیدی: تصاویر ابرطیفی، جداسازی طیفی، انتخاب باند، تغییرپذیری طیفی، معیارهای شباهت
متن کامل [PDF 1807 kb]   (84 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فتوگرامتری
دریافت: ۱۳۹۷/۱۰/۴ | پذیرش: ۱۳۹۷/۱۰/۴ | انتشار: ۱۳۹۷/۱۰/۴
فهرست منابع
1. [1] J. M. Bioucas-Dias, A. Plaza, N. Dobigeon, M. Parente, Q. Du, P. Gader, et al., "Hyperspectral unmixing overview: Geometrical, statistical, and sparse regression-based approaches," Selected Topics in Applied Earth Observations and Remote Sensing, IEEE Journal of, vol. 5, pp. 354-379, 2012. [DOI:10.1109/JSTARS.2012.2194696]
2. [2] B. Somers, G. P. Asner, L. Tits, and P. Coppin, "Endmember variability in spectral mixture analysis: A review," Remote Sensing of Environment, vol. 115, pp. 1603-1616, 2011. [DOI:10.1016/j.rse.2011.03.003]
3. [3] F. D. Van der Meer and X. Jia, "Collinearity and orthogonality of endmembers in linear spectral unmixing," International Journal of Applied Earth Observation and Geoinformation, vol. 18, pp. 491-503, 2012. [DOI:10.1016/j.jag.2011.10.004]
4. [4] B. Somers, S. Delalieux, W. Verstraeten, J. Van Aardt, G. Albrigo, and P. Coppin, "An automated waveband selection technique for optimized hyperspectral mixture analysis," International Journal of Remote Sensing, vol. 31, pp. 5549-5568, 2010. [DOI:10.1080/01431160903311305]
5. [5] G. P. Asner and D. B. Lobell, "A biogeophysical approach for automated SWIR unmixing of soils and vegetation," Remote sensing of environment, vol. 74, pp. 99-112, 2000. [DOI:10.1016/S0034-4257(00)00126-7]
6. [6] C.-I. Chang, Q. Du, T.-L. Sun, and M. L. Althouse, "A joint band prioritization and band-decorrelation approach to band selection for hyperspectral image classification," Geoscience and Remote Sensing, IEEE Transactions on, vol. 37, pp. 2631-2641, 1999. [DOI:10.1109/36.803411]
7. [7] B. Mojaradi, H. Abrishami-Moghaddam, M. J. V. Zoej, and R. P. W. Duin, "Dimensionality reduction of hyperspectral data via spectral feature extraction," Geoscience and Remote Sensing, IEEE Transactions on, vol. 47, pp. 2091-2105, 2009 [DOI:10.1109/TGRS.2008.2010346]
8. [8] D. C. Heinz, "Fully constrained least squares linear spectral mixture analysis method for material quantification in hyperspectral imagery," Geoscience and Remote Sensing, IEEE Transactions on, vol. 39, pp. 529-545, 2001. [DOI:10.1109/36.911111]
9. [9] J. M. P. Nascimento, "Unsupervised hyperspectral unmixing," Universidade Técnica de Lisboa, 2006.
10. [10] D. C. Heinz, "Fully constrained least squares linear spectral mixture analysis method for material quantification in hyperspectral imagery," Geoscience and Remote Sensing, IEEE Transactions on, vol. 39, pp. 529-545, 2001. [DOI:10.1109/36.911111]
ارسال پیام به نویسنده مسئول


XML   English Abstract   Print


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

Ghaffari O, Valadan Zoej M J, Mokhtarzade M. A band selection technique for optimized hyperspectral unmixing. jgit. 2018; 6 (3) :101-122
URL: http://jgit.kntu.ac.ir/article-1-619-fa.html

غفاری امید، ولدان زوج محمدجواد، مختارزاده مهدی. انتخاب باندهای بهینه جهت بهبود جداسازی طیفی تصاویر ابرطیفی. مهندسی فناوری اطلاعات مکانی. 1397; 6 (3) :101-122

URL: http://jgit.kntu.ac.ir/article-1-619-fa.html



دوره 6، شماره 3 - ( 9-1397 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.06 seconds with 31 queries by YEKTAWEB 3858