مشخصات پژوهش

عنوان	شناسایی هدف در تصاویر سنجش از دور ابرطیفی با استفاده از تکنیک های یادگیری ماشین
نوع پژوهش	پایان نامه
کلیدواژه‌ها	سنجش از دور، تصاویر هوایی، شناسایی هدف، شبکه های عصبی کانولوشنی، یادگیری عمیق، تصاویر ابرطیفی، یادگیری ویژگی، کاهش بعد
چکیده	چکیده: تصاویر که از فواصل مختلف تصویربرداری می شوند، به تصاویر سنجش از دور معروف هستند. شناسایی هدف از مهمترین موضوعات در زمینه هایی از جمله نظامی و کشاورزی و زمین شناسی است. تشخیص هدفی مانند هواپیما و یا پیدا کردن مین در مناطق جنگی، پیدا کردن منابع آب های زیر زمینی همگی از جمله کاربردهای شناسایی هدف می باشد. چون که هر ماده ای که جهت شناسایی در تصاویر ابرطیفی، یک طیف منحصر بفرد دارد. تشخیص به موقع و درست هدف بسیار حائز اهمیت می باشد و از آنجایی که ممکن است انسان در تشخیص بعضی از اهداف دچار خطا بشود، به همین دلیل دنبال طراحی سیستمی هوشمندیم که بتواند بطور موثر اشیا را تشخیص بدهد. از مدل سازی های اخیر در حوزه هوش مصنوعی در پردازش تصاویر ابرطیفی، می توان به مدل های مبنی بر شبکه های عمیق عصبی و شبکه های عصبی کانولوشنی اشاره کرد. در این پژوهش روشی بر مبنای شبکه عصبی کانولوشنی عمیق برای مسئله تشخیص، طبقه بندی و شناسایی هدف در تصاویر ابرطیفی سنجش از دور ارائه شده است، که بطور کلی از دو قسمت پیش پردازش و شناسایی تشکیل شده است. قسمت پیش پردازش شامل یک شبکه جهت پیش آموزش داده ها است و قسمت شناسایی شامل بخش اول که با استفاده از مدل جفت پیکسلی اختلاف هر پیکسل با همسایه هایش بدست می آید و بخش دوم که شامل دو طبقه بند برمبنای لایه کاملاً متصل در شبکه های عصبی کانولوشنی عمیق و ماشین بردار پشتیبان است که هرکدام از طبقه بندها عملکرد مطلوبی داشته و شناسایی و طبقه بندی تصاویر را با دقت بالایی انجام می دهند. مدل جفت پیکسلی بدین صورت است که اگر پیکسل مرکزی با پیکسل همسایه عضو یک کلاس باشند، در کلاس مشابه و اگر عضو یک کلاس نباشند، عضو کلاس متفاوت قرار می گیرند. شبکه ای که جهت پیش آموزش داده ها انتخاب شده، شبکه بولترمن محدود است. وجود این شبکه بعنوان پیش آموزش باعث تفاوت در استخراج و یادگیری ویژگی می شود. طبقه بندی تصاویر ابرطیفی در این پژوهش، با توجه به کلاس های موجود در تصویر جهت شناسایی هدف به دو کلاس "هدف و غیر هدف" صورت پذیرفته است. البته با توجه به کاربرد شبکه بولتزمن محدود در رابطه با کاهش بعد، یک مقایسه بین عمکلرد این شبکه با روش تحلیل مولفه اساسی صورت پذیرفته است. در نهایت روش پیشنهادی بر روی مجموعه داده های Salinas و Indian Pines اعمال و آزموده شده است. نتیجه یادگیری و آزمایش روش
پژوهشگران	حسن ختن لو (استاد راهنما)، یوسف رضایی (استاد راهنما)، ارش غیاث یزدی (دانشجو)