ارائه یک پیش‌پردازشگر مکانی‌طیفی جدید برای بهبود تجزیه طیفی تصاویر ابرطیفی

Abstract

<strong>:</strong> هدف از تجزیه طیفی تصاویر ابرطیفی، استخراج امضاهای طیفی عناصر خالص تشکیل­دهنده پیکسل‌های صحنه و فراوانی آن‌هاست. بیشترِ الگوریتم‌های به‌کاررفته در فرآیند استخراج امضاهای طیفی، بدون آنکه ساختار و همبستگی مکانی پیکسل‌های تصویر را در نظر بگیرند، تنها به اطلاعات طیفی پیکسل‌های تصویر توجه کرده‌اند. به‌تازگی الگوریتم‌هایی پباده­سازی شده است که به کمک ترکیب اطلاعات مکانی و طیفی، فرآیند شناسایی عناصر خالص و تجزیه طیفی را بهبود می­بخشند. در این مقاله، یک ماژول پیش‌پردازشگر جدید مکانی‌طیفی ارائه شده است؛ به‌طوری‌که پیکسل‌های نواحی مرزی به کمک نقشه کلاس به‌دست­آمده از الگوریتم کلاسترینگ، بدون نظارت و پنجره همسایگی 8تایی، میان دو یا چند ناحیه کلاستر را شناسایی و این نواحی ناهمگن مکانی را حذف می­کنند. سپس به کمک محاسبه وزن خلوص طیفی پیکسل‌های غیرِمرزی و آستانه‌گذاری، پیکسل‌های موجود در نواحی همگن مکانی و خالص طیفی را شناسایی می‌کنند تا طبقات استخراج عناصر خالص بعدی بتوانند با دقت و سرعت بیشتری، امضاهای طیفی را استخراج کنند. هدف ماژول مستقل پیشنهادی، کاهش خطای RMSE تصویرِ بازسازی‌شده و مدت زمان پردازش لازم برای استخراج عناصر خالص و بهبود معیار جدیدی به‌نام بازده نسبت به دیگر طبقات پیش­پردازشگر موجود بر روی تصاویر ابرطیفی واقعی است.<br />