Adaptif Komşuluk Seçimi ve Ağırlık Atama Yöntemleri ile Hiperspektral Görüntülerin Sınıflandırılması

Abstract

Seyrek gosterim tabanli teknikler sagladiklari performans nedeniyle sinyal ve goruntu isleme, bilgisayarli gorme ve oruntu tanima gibi alanlarda arastirmacilar tarafindan siklikla kullanilmaktadir. Son zamanlarda hiperspektral goruntulerin siniflandirilmasi ile ilgili onerilen metotlarda da seyrek gosterim teknikleri kullanilmis ve olumlu sonuclar elde edilmistir. Bu makalede, adaptif komsuluk secimi ile agirlik atama yontemlerini birlikte kullanan bir ortak seyrek gosterim tabanli siniflandirici onerilmektedir. Ilk olarak, test pikseli etrafinda olusturulan sabit boyutlu pencere icerisindeki piksellerin tumunun siniflandirma islemine dahil edilmesi yerine test pikseline yakin mesafedeki ve benzer spektral karakteristige sahip pikseller secilerek siniflandirmaya dahil edilmistir. Bu sayede test pikseline uzak mesafedeki ve spektral olarak benzemeyen komsu pikseller ayrilmistir. Daha sonra test pikselinin sinif etiketini belirlerken hesaplanmasi gereken artik degerde seyrek katsayi matrisi her bir sinif icin belirlenen agirliklarla carpilmistir. Agirliklar belirlenirken secilen pikseller ile her bir sinifa ait egitim sozlugu arasindaki benzerlik dikkate alinmistir. Bu sayede test pikselinin dogru sinifa atanma olasiligi arttirilmistir.