|
بهبود عملکرد شبکه نواحی تصادفی با استفاده از آنالیز تفکیک‌پذیری خطی به‌منظور استخراج ویژگیهای عمیق از تصاویر ابرطیفی
|
| بهنام اصغری بیرامی*، مهدی مختارزاده |
| دانشگاه صنعتی خواجه نصیر |
|
|
چکیده: (619 مشاهده) |
در چند سال گذشته مدل‌های عمیق، توفیق فراوانی در شاخه‌های مختلف پردازش تصویر پیدا کرده‌اند. به طور خاص در سنجش از دور ابرطیفی از این مدل‌ها در شاخه‌هایی نظیر طبقهبندی و شناسایی اهداف با موفقیت استفاده شده است. اخیراً روش شبکه نواحی تصادفی به منظور استخراج ویژگیهای عمیق برای طبقهبندی تصاویر ابرطیفی پیشنهاد شده است. اهمیت این شبکه در آن است که ویژگیهای عمیق را به صورت نظارت نشده استخراج میکنند و عملکردی سریع دارد. علیرغم عملکرد مطلوب این شبکه، از آنجایی که در ساختار اصلی آن از روش تبدیل مؤلفه اصلی استفاده می‌شود، در ویژگیهای استخراج شده قید بیشینه شدن تفکیک‌پذیری میان کلاس‌ها در نظر گرفته نشده است. از این رو در این تحقیق از آنالیز تفکیک‌پذیری خطی به منظور بهبود ساختار این شبکه استفاده شده است. نتایج پیاده‌سازی‌ها بر روی دو مجموعه داده ابرطیفی نشان از آن دارد که روش پیشنهادی ویژگیهای مناسب‌تر و فشردهتری را برای طبقهبندی تصاویر ابرطیفی استخراج میکند. به طور کلی روش پیشنهادی توانسته است که ضمن افزایش سرعت و فشردهسازی بیشتر ابعاد داده، دقت کلی طبقهبندی را تا 5/2 درصد نسبت به روش شبکه نواحی تصادفی افزایش دهد.
|
|
| واژه‌های کلیدی: طبقهبندی تصاویر ابرطیفی، شبکه‌های نواحی تصادفی، تبدیل آنالیز تفکیک‌پذیری خطی، تبدیل مؤلفه اصلی، ویژگیهای سلسله مراتبی عمیق |
|
|
متن کامل [PDF 1658 kb]
(129 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
سنجش از دور
دریافت: 1398/8/25 | پذیرش: 1399/2/20 | انتشار الکترونیک پیش از انتشار نهایی: 1401/1/23 | انتشار: 1401/3/18
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
