مقاله بهبود طبقه بندی تصاویر ابرطیفی با استفاده از شناسایی نقاط پرت توسط اطلاعات مکانی و تخمین تعداد ترکیبهای مدلGMM

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله بهبود طبقه بندی تصاویر ابرطیفی با استفاده از شناسایی نقاط پرت توسط اطلاعات مکانی و تخمین تعداد ترکیبهای مدلGMM دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بهبود طبقه بندی تصاویر ابرطیفی با استفاده از شناسایی نقاط پرت توسط اطلاعات مکانی و تخمین تعداد ترکیبهای مدلGMM  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بهبود طبقه بندی تصاویر ابرطیفی با استفاده از شناسایی نقاط پرت توسط اطلاعات مکانی و تخمین تعداد ترکیبهای مدلGMM،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بهبود طبقه بندی تصاویر ابرطیفی با استفاده از شناسایی نقاط پرت توسط اطلاعات مکانی و تخمین تعداد ترکیبهای مدلGMM :

تعداد صفحات:۸

چکیده:

در این مقاله سعی شده است با پیشنهاد روشهایی برای تخمین تعداد ترکیب کلاسهای یک تصویر ابرطیفی، تصحیح ماتریس کوواریانس و آشکارسازی نقاط پرت، طبقهبندی تصاویر ابرطیفی -با استفاده از الگوریتم EM اطلاعات مکانی پیکسلهای تصویر – بهبود داده شود. با کاهش تعداد ترکیبهای کلاسهای یک تصویر ابرطیفی میتوان زمان طبقهبندی را کاهش داده و با تصحیح ماتریس کوواریانس، صحت و اعتبار طبقهبندی کلاسهایی که نمونههای آموزشی کمی دارند را افزایش داد. از آنجایی که الگوریتمEM یک الگوریتم تکرار شونده میباشد،چنانچه در یک مرحله از الگوریتم، در طبقهبندی پیکسلهای تصویر خطایی رخ بدهد، بخاطر ماهیت الگوریتم این خطا وارد مراحل بعد نیز می- شود و بطور کلی صحت و اعتبار طبقهبندی را کاهش میدهد. برای حل این مشکل در این مقاله روشی پیشنهاد میشود که در هر مرحله از الگوریتم نقاط پرت با استفاده از اطلاعات مکانی شناسایی شده و برای تخمین پارامتر در مرحله بعد طبقهبندی کنار گذاشته شوند. به این ترتیب صحت و اعتبار طبقهبندی افزایش خواهد یافت . این الگوریتم بر روی دادههای واقعیAVIRIS پیاده سازی شده و نتایج به دست آمده بهبود قابل توجه صحت و اعتبار را نسبت به روشهای معمول طبقه بندی تصاویر ابرطیفی نشان می دهد