:: دوره 10، شماره 1 - ( 3-1401 ) ::
جلد 10 شماره 1 صفحات 15-1 برگشت به فهرست نسخه ها
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:   (349 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]   (39 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


XML   English Abstract   Print



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 10، شماره 1 - ( 3-1401 ) برگشت به فهرست نسخه ها