بهبود خوشه بندی تصاویر فراطیفی با بکارگیری دیورژانس اطلاعات طیفی
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
خوشه بندی K-Means یکی از پرکاربردترین روش های طبقه بندی نظارت نشده در پردازش تصاویر سنجش از دوری است. در روش K-Means استاندارد از معیار عدم شباهت فاصله اقلیدسی، جهت اندازهگیری عدم شباهت بین دادهها و خوشه ها استفاده می شود. به دلیل وجود عدم قطعیت در تصاویر فراطیفی، بکارگیری معیار عدم شباهت فاصله اقلیدسی جهت خوشه بندی آن ها مناسب به نظر نمی رسد. در این مقاله برای برآورد عدم شباهت بین مرکز خوشهها و پیکسل ها از یک معیار عدم شباهت آماری به نام دیورژانس اطلاعات طیفی به جای فاصله اقلیدسی استفاده شده است. فاصله طیفی اقلیدسی، دادههای طیفی پیکسل ها و مراکز خوشه ها را به صورت نقاطی در یک فضای چندبعدی در نظر می گیرد و فاصله هندسی بین آنها را اندازه گیری می کند. ولی دیورژانس اطلاعات طیفی، توزیع احتمال طیف ها را از طریق نرمالکردن امضای طیفی مدلسازی می کند. سپس فاصله بین توزیع احتمال طیف یک پیکسل و توزیع احتمال طیف هر مرکز خوشه را برآورد می کند. این ایده در طراحی و پیادهسازی یک الگوریتم نظارت نشده برای خوشهبندی تصاویر فراطیفی بکارگرفته شده است. آزمون های انجام شده بر روی داده های تصویری فراطیفی واقعی حاصل از سه سنجنده HyMap، HYDICE و Hyperion نشان می دهد که این راه کار، نتایج طبقه بندی را بهبود می بخشد. به طوری که ضریب کاپای نتایج طبقه بندی تصاویر فراطیفی مورد استفاده به ترتیب 7%، 56% و 10% افزایش یافته است.
کلیدواژگان:
زبان:
فارسی
صفحات:
17 تا 32
لینک کوتاه:
magiran.com/p1921883
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 990,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 50 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!