نویسنده : امیر نیک بخت

دانشكده : دانشکده تحصیلات تکمیلی و مجتمع فنی

رشته/گرایش تحصيلي : مهندسي برق- الكترونيك

استاد راهنما (عضو هیات علمی مرکز) :آزاده کیانی سرکله, ,

چكيده : چکیده: در فرآیند سنجش از دور برای کسب اطلاعات کامل تر از منطقه مورد مطالعه، از سنجشگرهایی با قابلیت تصویر برداری در چندین باند فرکانسی استفاده می شود که اطلاعات خروجی این سنجشگرها تصاویر ابر طیفی نامیده می شوند. با افزایش تعداد باندهای تصویر برداری، حجم داده های دریافتی از سنجشگر بسیار زیاد می شود که پردازش آنها را با مشکلاتی مواجه می کند. یکی از تکنیکهای کاهش ویژگی تصاویر فراطیفی، استخراج ویژگی می باشد که باعث بهبود صحت دسته بندی ها، کاهش زمان محاسبات، کاهش بار ذخیره سازی داده ها و مقابله با پدیده هیوز می شود. در این پایان نامه یک روش استخراج ویژگی نظارت شده غیر پارامتریک ارایه شده است که در آن از اطلاعات طیفی پیکسلها استفاده شده است. در روش پیشنهادی از راهکارهای جدیدی برای محاسبه میانگین محلی نمونه ها و وزن نمونه ها در ماتریسهای پراکندگی استفاده شده که منجر به بهبود نتایج حاصل از دسته بندی گردیده است. به منظور بررسی کارایی روش پیشنهادی و مقایسه آن با روشهای قبلی، آزمایشها بر روی داده های واقعی شامل تصاویر یک منطقه کشاورزی (در ایالت ایندیانا) و یک منطقه شهری (دانشگاه پاویا) انجام شد. پس از استخراج ویژگی و دسته بندی توسط دسته بند GML، برای دادگان ایندیانا به ازای 6 ویژگی استخراج شده، صحت 07/68 و اطمینان پذیری 97/66 و برای دادگان پاویا به ازای 4 ویژگی استخراج شده صحت 14/81 و اطمینان پذیری 03/75 به دست آمد.

تاريخ دفاع : 1397-11-8