ترکیب بهبود یافته ای از شبکه های عصبی SOM و MLP جهت طبقه بندی تصاویر ماهوارهای

یکی از تکنیک های مهم در تفسیر تصاویر سنجش از دور، طبقه بندی تصاویر است که کاربرد زیادی در بررسی تغییرات زمین دارد. مسیله مهم تعیین یک روش طبقه بندی با دقت مناسب برای تصاویر ماهواره ای با قدرت تفکیک بالا می باشد. در پژوهش حاضر، روش ترکیبی و بهبود یافته از شبکه های عصبی SOM و شبکه های عصبی MLP ارایه شده است. در این مقاله جهت مقاوم کردن الگوریتم SOM نسبت به برخی از به نویزها، به جای دادن تک تک پیکسل ها به ورودی از ترکیب بلاک و چند نماینده از آن بلاک استفاده شده است، این امر باعث می شود که از ویژگی های بلاک برای حذف نویز استفاده کند. و در ادامه از آنجا که شبکه های خود سازمان ده به تنهایی قادر به برچسب گذاری دقیق نتایج نهایی نیستند، لذا از شبکه عصبی MLP جهت تعیین برچسب نهایی کلاس ها استفاده شده است. البته در آموزش شبکه عصبی MLP جهت بهینه سازی خطا از الگوریتم بهینه سازی ازدحام ذرات (PSO) استفاده کرده ایم که میزان خطا را برای ما کاهش داد. نتایج نشان می دهد که صحت طبقه بندی با استفاده از این الگوریتم بسیار مطلوب بوده و مشکل محدود بودن تعداد نمونه ای آموزشی و همچنین نویز تا حد قابل توجهی جبران شده است.