リモートセンシングとGISのジャーナル

概要

ソフト分類器 FCM および PCM のための時系列データのデータ識別

ランジャナ・シャルマ、PKガーグ、RKドウィヴェディ、モハン・ヴィシャル・グプタ

一般に、マルチスペクトル分類器は、教師あり、教師なし、またはファジーベースのアプローチを使用して、画像分類のオプションの完全なスイートを提供します。画像処理は、画像の復元、画像強調、画像変換、画像のシグネチャ開発、画像用のハード分類器とソフト分類器、ハードナー、画像のハイパースペクトル分析、結果の精度評価の 10 のカテゴリに分類されます。ハード分類器は、ピクセルのメンバーシップ値が 0 または 1 のいずれかであるため、純粋なピクセルと見なされる画像分類でよく使用されます。ソフト分類器のピクセルの性質は混合されています。ソフト分類器のピクセルは複数のクラスに属します。ファジー集合の理論により、画像の複数の所属ピクセルの問題を解決できます。ファジー集合のメンバーシップ値の範囲は 0 と 1 で、0 と 1 の間の値はピクセル内の情報の発生の割合を定義します。この概念は、センサー信号分析、不確実性の最小化など、多くのアプリケーションで使用されています。本研究では、ファジーソフト分類器とエントロピーを備えたハイブリッドファジーベース分類器、エントロピーベースノイズクラスタリングを使用して、ピクセルレベルでのマルチスペクトルデータセットの分類器出力に対する精度法(エントロピー)の結果を学習しました。しかし、分類はどれも精度を評価しなければ不完全であると見なされます。さまざまな企業が、データ入力、視覚化、強化、変換、分類、精度評価、および他のGISベースモジュールと組み合わせた出力に関連するモジュールを提供するさまざまな画像処理ツールを導入しています。明確に定義された画像処理モジュールを備えた主要なGISソフトウェアには、ERDAS Imagine、IDRISI、ENVI、およびER Mapperがありますが、これらのソフトウェアではソフト分類出力の評価に対する精度の評価はサポートされていません。そのため、本研究ではこのような問題に対処するためのツールが開発されました。このツールは主にソフト分類アルゴリズムに焦点を当てています。これは、エントロピーを組み込んだファジーベース画像分類器ツール(FBICET)と名付けられました。衛星画像は、FBICETを使用して良好な精度で分類されました。