Hiperspektral görüntülerin graf tabanlı boyut indirgenerek sınıflandırılmasında parçacık sürü optimizasyonu yaklaşımı

Authors : Betül Dolapcı, Caner Özcan, Emrah Özkaynak

Pages : 1219-1234

Doi:10.17714/gumusfenbil.1493821

View : 44 | Download : 31

Publication Date : 2024-12-15

Article Type : Research Paper

Abstract :Hiperspektral görüntü verilerinden hem uzamsal hem spektral öznitelik çıkarımı ile analiz işlemi için gerekli detaylı bilgiler elde edilmektedir. Yüksek boyutlu görüntü verilerinin daha düşük boyutlu temsillerini sağlamada Laplacian Özharitaları (LÖ) ve Schrödinger Özharitaları (SÖ) graf tabanlı boyut azaltma algoritmalarının etkili olduğu bilinmektedir. Ancak bu yöntemler kapsamında kullanılan boyut azaltma parametresi değerinin literatürde sabit bir değer olarak kullanıldığı görülmektedir. Önerdiğimiz çalışma kapsamında bu parametre Parçacık Sürü Optimizasyounu (PSO) ile optimize edilmiştir. Öncelikle görüntüden Basit Doğrusal Yinelemeli Kümeleme (BDYK) algoritması ile kümelenmiş süperpikseller elde edilmiştir. Daha sonra süperpikseller graf veri yapısına dönüştürülüp girdi olarak LÖ ve SÖ algoritmalarına verilmiştir. Boyut azaltma işlemi sürecinde elde edilen farklı boyutlar için araya eklenen PSO algoritması ile en iyi özvektör değeri hesaplanmaktadır. En iyi özvektör değeri Indian Pines, Salinas ve Pavia Üniversitesi veri setleri için, 130, 120 ve 40 olarak hesaplanmıştır. Son aşamada optimizasyon tabanlı yöntemle elde edilen en iyi sonuçlar üzerinde Destek Vektör Makinesi (DVM) ile sınıflandırma işlemi gerçekleştirilmiştir. Tüm veri setleri için sınıflandırma doğruluklarının en iyi özvektör değeri ile arttırılması sağlanmıştır.
Keywords : Boyut indirgeme, DVM, Hiperspektral, PSO, Sınıflandırma