مروری بر استفاده از محاسبات تکاملی در تجزیه‏ی طیفی تصاویر ابرطیفی

نویسندگان

1 1مجتمع فناوری اطلاعات و ارتباطات - دانشگاه صنعتی مالک‏اشتر– تهران - ایران

2 مجتمع مهندسی برق و الکترونیک - دانشگاه صنعتی مالک‏اشتر - تهران - ایران

3 دانشجوی دکتری 3دانشکده‏ی مهندسی کامپیوتر - دانشگاه صنعتی امیرکبیر–تهران - ایران

چکیده

در سال‏های اخیر، تجزیه‏ی طیفی به یکی از مهم‏ترین زمینه‏های تحقیقاتی در سنجش از دور مبدل شده و روش‏های سنتی مختلفی برای حل آن ارائه‏گردیده‏است. در اکثر روش‏های ارائه‏شده، بایستی شرایط خاصی برقرار باشد تا الگوریتم به‏درستی کار کند. از طرفی، این روش‏ها با مشکلاتی همچون گرفتارشدن در بهینه‏ی محلی و حساسیت نسبت به مقداردهی اولیه‏ی پارامترها روبرو هستند. اگرچه ممکن است تکنیک‏های محاسبات تکاملی نیز در بهینه‏های محلی گرفتار شده و یا نسبت به تنظیم پارامترها حساس باشند، اما اخیرا استفاده از ترکیب محاسبات تکاملی و روش‏های سنتی موجود، با هدف فائق آمدن بر مشکلات فوق افزایش یافته‏است. برخی از روش‏ها نیز تنها از محاسبات تکاملی برای حل مساله‏ی تجزیه‏ی طیفی استفاده کرده‏اند. در رویکرد جدید، مساله‏ی تجزیه‏ی طیفی بعنوان یک مساله‏ی بهینه‏سازی مدل شده و نشان داده‏شده‏است که استفاده از محاسبات تکاملی می‏تواند منجر به دستیابی به پاسخ‏های بهینه‏ای گردد. در این مقاله روش‏های مختلفی که از محاسبات تکاملی برای حل مساله‏ی تجزیه‏ی طیفی بهره برده‏اند، بررسی شده‏اند. در هر بخش، پس از معرفی الگوریتم تکاملی، روش‏های ارائه‏شده براساس آن الگوریتم، معرفی و روند کلی آن شرح داده شده‏است. برای هر روش، در مورد فرضیات در نظر گرفته‏شده و محدودیت‏های آن بحث شده و بدلیل اهمیت اجزای مختلف روش تکاملی مورد استفاده، مواردی از قبیل بازنمایی افراد جمعیت، عملگرهای تکاملی و تابع شایستگی نیز مورد بررسی قرار گرفته‏اند.

کلیدواژه‌ها


عنوان مقاله [English]

A Survey of Evolutionary Computations Usage in spectral Analysis of hyperspectral images

نویسندگان [English]

  • Hossein Fayyazi 1
  • Hamid Dehghani 2
  • Mojtaba Hosseini 3
1
2
3
چکیده [English]

In recent years, the spectral analysis has been one of the most important research areas in remote sensing, which has received different traditional solutions. Most of these methods have several special conditions to work well. However, they suffer from the problems such as sticking in local optimum and having sensibility to parameters initialization. Although the Evolutionary Computation (EC) techniques may also have such deficiencies, recently their combination with the traditional methods has been used increasingly to overcome the defects. Some other methods use EC exclusively to solve the problems. In the new scheme, the spectral analysis problem is modeled as an optimization problem demonstrating the EC techniques lead to optimum solutions. In this paper, we address the methods using the EC to solve the spectral analysis problem. Having introduce the EC technique briefly in each section of this paper, we explain methods use EC. For each method, the assumptions and limitations are discussed and the various components of the EC method such as individual representation, evolutionary operators and fitness function are assessed.

کلیدواژه‌ها [English]

  • Remote Sensing
  • Hyperspectral images
  • Spectral analysis
  • Optimization problems
  • Evolutionary computations