طبقه‌بندی تصاویر ابرطیفی با استفاده از شبکه عصبی پیچشی و میدان تصادفی مارکف
کد مقاله : 1253-CFIS (R1)
نویسندگان:
مجید راهبر *1، حسن ختن‌لو1، یوسف رضایی2
1گروه کامپیوتر، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان، ایران
2گروه عمران، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان، ایران
چکیده مقاله:
طبقه‌بندی تصاویر ابرطیفی یکی از موضوعات مورد توجه در زمینه تحلیل تصاویر ابرطیفی است و رویکرد‌های بسیاری جهت بهبود دقت طبقه‌بندی مورد مطالعه قرار گرفته‌است. با توجه به عملکرد قابل توجه شبکه‌های عصبی پیچشی در مسائل مختلف، استفاده از این شبکه‌ها در طبقه‌بندی تصاویر ابرطیفی با وجود نمونه‌های آموزشی کم و ابعاد بالای داده ها امری چالش برانگیز است. در این مقاله روشی برای طبقه‌بندی تصاویر ابرطیفی مبتنی بر شبکه عصبی پیچشی و میدان تصادفی مارکف ارائه شده‌است. در این روش از تکنیک‌های افزایش داده‌، نظیر افزایش داده‌ با استفاده از چرخش و انعکاس، افزودن نویز گوسی و افزایش داده مبتنی بر برچسب، برای مقابله با مشکل تعداد نمونه‌های آموزشی کم استفاده شده‌است. فرآیند یادگیری شبکه با استفاده از بهینه ساز Adam انجام شده است. در نهایت خروجی حاصل از طبقه‌بند با استفاده از الگوریتم α-expansion مبتنی بر min-cut بهبود داده شده است. نتایج آزمایش ها بر روی دو مجموعه داده Indian Pines و Salinas نشان داد که روش پیشنهادی نسبت به دیگر روش ها عملکرد بهتری دارد.
کلیدواژه ها:
طبقه‌بندی، تصاویر ابرطیفی، یادگیری عمیق، شبکه عصبی پیچشی، میدان تصادفی مارکف
وضعیت : مقاله برای ارائه شفاهی پذیرفته شده است