این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۷، شماره ۱، صفحات ۱۲۳-۱۳۳
عنوان فارسی طبقه بندی تصاویر هایپراسپکترال با استفاده از تجزیه تنسور زیرباند و شبکه عصبی پیچشی
چکیده فارسی مقاله در این مقاله، به موضوع طبقه بندی تصاویر ابرطیفی پرداخته می شود. با استفاده از روش های تجزیه، ماتریس یا تنسور تصویر ابرطیفی به دو ماتریس تجزیه می شود که یکی نمایانگر امضاهای طیفی مواد تشکیل دهنده تصویر می باشد و دیگری میزان فراوانی هر ماده در هر پیکسل را نشان می دهد. از آنجاییکه ذات تصویر ابرطیفی سه بعدی است، روش های تجزیه تنسور نامنفی بسیار بهتر به مساله منطبق هستند چرا که به جای به دنبال هم نشاندن اطلاعات مکانی در یک بردار ،اطلاعات مکانی را حفظ می کنند و ساختار همسایگی پیکسل ها در مدل لحاظ می شود. با هدف بهره گیری مشترک از اطلاعات مکانی و طیفی، کل طیف فرکانسی به چندین زیرباند تقسیم می شود و تجزیه روی هر زیر باند به صورت جداگانه صورت می پذیرد و ماتریس های فراوانی زیرباندها به دنبال هم قرار می گیرند و ماتریس ویژگی را می سازند. ماتریس فراوانی حاصل از روش های تجزیه تنسور نسبت به تجزیه ماتریس، به نتایج بهتری منجر می شود. آزمایشها بر روی سه مجموعه داده شناخته شده، مبین بهبود چشمگیر در دقت طبقه بندی حاصل با استفاده از روش پیشنهادی هستند. برای طبقه بندی از شبکه عصبی پیچشی سه بعدی استفاده شده است.
کلیدواژه‌های فارسی مقاله طبقه بندی تصاویر ابرطیفی، روش تجزیه تنسور نامنفی (NTF)، NTF در زیرباند (Subband NTF)، شبکه های عصبی پیچشی سه بعدی (3D-CNN)،
عنوان انگلیسی Hyperspectral image classification using sub-band tensor factorization and convolutional neural network
چکیده انگلیسی مقاله In this paper, we are going to classify each pixel of a hyperspectral image. For this purpose, we group the spectral bands to sub-bands and try to decompose the corresponding sub-tensors to the endmember and abundance matrices. Abundance matrices obtained through tensor factorization methods contain spatial information in contrast to the ones acquired by matrix factorization. Therefore, the 2D abundance maps achieved by tensor decomposition methods, construct discriminant features for the classifier. A 3D CNN architecture is proposed for classification which utilizes the abundance maps of the individual sub-bands as input features. This way, we jointly exploit spectral and spatial information of the image. The experiments are performed on well-known hyperspectral data and reveal the effectiveness of the proposed sub-band tensor decomposition methods compared to matrix factorization approaches.
کلیدواژه‌های انگلیسی مقاله طبقه بندی تصاویر ابرطیفی, روش تجزیه تنسور نامنفی (NTF), NTF در زیرباند (Subband NTF), شبکه های عصبی پیچشی سه بعدی (3D-CNN)
نویسندگان مقاله سایه میرزایی |
دانشکده علوم مهندسی، دانشکده فنی، دانشگاه تهران

جواد حق شناس |
پژوهشکده سامانه های ماهواره ای، پژوهشگاه فضایی ایران

نشانی اینترنتی https://jmvip.sinaweb.net/article_99538_8e4ba8ad6f99b8864b42eb586b8fba54.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات