Sezgisel yöntemlerle hiperspektral görüntülerde boyut indirgeme

Sezgisel yöntemler, en iyiyi ya da en iyiye yakın çözümleri bulmak için arama uzayını hızlı bir şekilde araştırmayı esas alan yöntemlerdir. Bu yöntemler, arama içerisinde kullanılan komşuluğun sistematik olarak değiştirilmesini esas alırlar ve genellikle büyük boyutlardaki arama uzayının kısa sürede araştırılıp optimum sonuca ulaşılmasında kullanılırlar. Hiperspektral görüntüler gibi büyük miktarlarda bilgi içeren verilerin kısa sürede incelenip, gereksiz bilgilerin (bantların) ayrıştırılması hem zaman hem de hedef sınıflama/tanıma performansı açısından oldukça önemlidir. Bu çalışmada, hiperspektral görüntülere değişik sezgisel yöntemler (Değişken Komşuluk Arama, Benzetilmiş Tavlama, Genetik Algoritma, Diferansiyel Gelişim Algoritması) uygulanarak, bant seçimi yaklaşımıyla boyut indirgeme yapılmış ve veriyi en iyi temsil eden bantlar bulunmuştur. İkinci aşamada ise, değişik gruplama yöntemleri (Karşılıklı Bilgi, Korelasyon, Spektral Kümeleme) kullanarak bantlar arası benzerliğe dayalı gruplar oluşturulmuş ve boyut indirgeme adımı bu gruplar üzerinde gerçekleştirilmiştir. Son aşamada ise, boyut indirgeme sonucu bulunan en iyi bantlar sınıflandırma algoritması (Destek Vektör Makineleri) ile denenmiştir. Sunulan yöntemleri test etmek için çeşitli gerçek hiperspektral görüntüler (KSC, Çatalca02) kullanılmıştır. Test sonuçları sunulan yöntemlerin hiperspektral görüntülerde başarı ile kullanılabileceğini göstermektedir.