@ARTICLE{Fayyazi, author = {Fayyazi, Hossein and Dehghani, Hamid and Hosseini, Mojtaba and }, title = {Sparse unmixing of hyper-spectral images using a pruned spectral library}, volume = {13}, number = {3}, abstract ={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. }, URL = {http://jsdp.rcisp.ac.ir/article-1-128-fa.html}, eprint = {http://jsdp.rcisp.ac.ir/article-1-128-fa.pdf}, journal = {Signal and Data Processing}, doi = {10.18869/acadpub.jsdp.13.3.155}, year = {2016} }