RT - Journal Article T1 - Improving Land Cover Change Detection using Kernel Spectral Angle Mapper Approach in Hyperspectral Images JF - kntu-jgit YR - 2018 JO - kntu-jgit VO - 6 IS - 1 UR - http://jgit.kntu.ac.ir/article-1-565-fa.html SP - 101 EP - 116 K1 - Change Detection K1 - Spectral Angle Mapper K1 - Kernel Based K1 - Hyperspectral Images K1 - Expectation-Maximization Segmentation K1 - Land Cover. Logistic Regression AB - تغییرات کاربری به‌عنوان عاملی پایه در تغییرات محیط‌زیست عمل کرده و به یک بحران تبدیل‌شده است. شناسایی و ارزیابی تغییرات الگوهای کاربری اراضی یک امر ضروری است، که اگر به‌هنگام و با دقت بالا انجام گیرد، می‌تواند به برنامه‌ریزان و مدیران سازمان‌های مربوطه در اخذ تصمیمات آگاهانه‌تر در جهت استفاده بهینه از منابع و جلوگیری از وقوع بحران کمک نماید. این امر با آشکارسازی تغییرات میسر می‌گردد. تصاویر فراطیفی، به علت دارا بودن توان تفکیک طیفی بالا، نتایج بهبود یافته‌ای از آشکارسازی تغییرات و همچنین جزئیات بیشتری از فرآیند آشکارسازی تغییرات را فراهم می‌نمایند. یکی از چالش‌های رایج روش‌های متداول آشکارسازی تغییرات، تاثیرپذیری از شرایط محیطی و دستگاهی است. این امر موجب تشخیص نادرست یکسری از پیکسل‌ها در فرایند آشکارسازی تغییرات می‌گردد. بدین منظور، در این پژوهش یک روش آشکارسازی تغییرات کاربری اراضی با استفاده از الگوریتم نگارنده زاویه طیفی، فنون هسته مبنا و الگوریتم بیشینه‌سازی امید در تصاویر فراطیفی پیشنهاد شده است. در ابتدا یکسری داده آموزشی به‌منظور بهینه نمودن پارامترهای هسته در طی یک فرآیند خودکار توسط الگوریتم نگارنده زاویه طیفی و الگوریتم بیشینه‌سازی امید ریاضی استخراج می‌گردد. در ادامه، داده از فضای تصویر به فضای هیلبرت توسط الگوریتم هسته پایه نگارنده زاویه طیفی انتقال می‌یابد. نهایتاً، نقشه تغییر با استفاده از الگوریتم بیشینه‌سازی امیدریاضی به‌دست می‌آید. از مهم‌ترین مزایای این روش: خودکار بودن، عدم نیاز به تنظیم پارامترهای دانش مبنا، نرخ کم هشدارهای اشتباه و دقت بالا و حجم پایین محاسبات می‌توان اشاره نمود. برای بررسی توانایی روش پیشنهادی، تصاویر ابرطیفی دریافت شده از مزارع کشاورزی هرمیستن واقع در آمریکا توسط سنجنده هایپریون استفاده و مورد ارزیابی قرارگرفته است. نتایج به‌دست‌آمده نشان‌دهنده بهبود قابل‌توجه آشکارسازی تغییرات با به‌کارگیری روش پیشنهادی در مقایسه با مدل استاندارد نگارنده زوایه طیفی است، به‌طوری‌که دقت کلی بالای 94%، ضریب کاپا 84/0، نرخ هشدارهای اشتباه کلی کمتر از 6% و هزینه محاسباتی و زمانی نسبتاً پایین حکایت می‌کند. LA eng UL http://jgit.kntu.ac.ir/article-1-565-fa.html M3 10.29252/jgit.6.1.101 ER -