fa تجزیه‌ ی تُنُک تصاویر ابرطیفی با استفاده از یک کتابخانه‌ ی طیفی هرس شده مقالات پردازش تصویر Paper پژوهشي Research <p dir="rtl" style="text-align: right;"></p> <p dir="rtl" style="text-align: right;"></p> <p class="western" dir="rtl" style="text-indent: 0.24in; margin-bottom: 0.14in; line-height: 115%; text-align: justify;"><strong><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">تجزیه طیفی تصاویر ابرطیفی یکی از زمینه‌های پژوهشی مهم در سنجش از دور است. در همین اواخر استفاده مستقیم از کتابخانه‌های طیفی برای انجام تجزیه طیفی افزایش یافته‌ است. در این روش‌ها که به تجزیه تُنُک موسومند، نیازی به استخراج مواد پایه و تعیین تعداد آن‌ها از قبل نیست؛ امٌا از آن‌جا که کتابخانه‌های طیفی حاوی طیف‌هایی هستند که همبستگی زیادی دارند، روش‌های تجزیه تُنُک ممکن است، راه‌حل‌های نیمه بهینه‌ای تولید کنند. از طرف دیگر بسیاری از این روش‌ها، نسبت به نوفه حساس بوده و علاوه‌بر‌این به راه‌حل به‌طور‌کامل تُنُکی منجر نمی‌شوند. در این مقاله برای حل مشکلات بالا، در ابتدا کتابخانه طیفی براساس اطلاعات طیفی موجود در تصویر و با استفاده از تکنیک‌های خوشه‌بندی و طبقه‌بندی، هرس شده و سپس از الگوریتم ژنتیک برای تجزیه تُنُک استفاده شده ‌است. آزمایش‌های انجام‌شده بر روی تصاویر آزمایشی و واقعی نشان می‌دهد که روش پیشنهادی، در تصاویر با نسبت سیگنال به نوفه کم و تصاویر واقعی نتایج بهتری به‌دست می‌دهد.&nbsp;</span></span></strong></p> <p style="text-align: justify;"><strong>Spectral unmixing of hyperspectral images is one of the most important research fields &nbsp;in remote sensing. Recently, the direct use of spectral libraries in spectral unmixing is on increase. In this way &nbsp;which is called sparse unmixing, we do not need an endmember extraction algorithm and the number determination of endmembers priori. Since spectral libraries usually contain highly correlated spectra, the sparse unmixing approach leads to non-admissible solutions. On the other hand, most of the proposed solutions are not noise-resistant and do not reach to a sufficiently high sparse solution. In this paper, with the purpose of overcoming the problems above, at first the spectral library will be pruned based on the spectral information of the image,clustering and classification techniques. Then a genetic algorithm &nbsp;will be used for sparse unmixing. The experimental results on the simulated and real images show that the proposed method gives good results in noisy images.&nbsp;</strong></p> تصاویر ابرطیفی, هرس کتابخانه طیفی, تجزیه تُنُک. Hyper-spectral images, Spectral Library Pruning, Sparse Unmixing. 155 169 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-337-1&slc_lang=fa&sid=1 Hossein Fayyazi حسین فیاضی fayyaz-_hossein@yahoo.com 10031947532846004859 10031947532846004859 Yes Malek-Ashtar University of Technology دانشگاه صنعتی مالک اشتر Hamid Dehghani حمید دهقانی hamid_deh@yahoo.com 10031947532846004860 10031947532846004860 No Malek-Ashtar University of Technology دانشگاه صنعتی مالک اشتر Mojtaba Hosseini مجتبی حسینی mojtabahoseini@aut.ac.ir 10031947532846004861 10031947532846004861 No Amirkabir University of Technology دانشگاه صنعتی امیرکبیر