रिमोट सेंसिंग और जीआईएस जर्नल

अमूर्त

सॉफ्ट क्लासिफायर्स FCM और PCM के लिए टेम्पोरल डेटा की डेटा पहचान

रंजना शर्मा, पीके गर्ग, आरकेद्विवेदी, मोहन विशाल गुप्ता

सामान्य तौर पर, मल्टीस्पेक्ट्रल क्लासिफायर पर्यवेक्षित, अपर्यवेक्षित या फजी आधारित तरीकों का उपयोग करके छवि वर्गीकरण के लिए विकल्पों का एक पूरा सूट प्रदान करते हैं। छवि प्रसंस्करण 10 श्रेणियों में आता है: छवि की बहाली, छवि वृद्धि, छवि परिवर्तन, छवि का हस्ताक्षर विकास, छवि के लिए हार्ड क्लासिफायर और सॉफ्ट क्लासिफायर, छवि के हार्डनर और हाइपर स्पेक्ट्रल विश्लेषण और परिणाम का सटीकता आकलन। हार्ड क्लासिफायर का उपयोग आमतौर पर छवि वर्गीकरण में किया जाता है, जहां एक पिक्सेल का सदस्यता मूल्य 0 या 1 होता है, इस प्रकार इसे एक शुद्ध पिक्सेल माना जाता है। सॉफ्ट क्लासिफायर में पिक्सेल की प्रकृति मिश्रित होती है। सॉफ्ट क्लासिफायर का पिक्सेल कई वर्गों से संबंधित होता है। फजी सेट के सिद्धांत से हम छवि के एक से अधिक पिक्सेल की समस्या को हल कर सकते हैं इस अध्ययन में, पिक्सेल स्तर पर मल्टी-स्पेक्ट्रल डेटा सेट के लिए क्लासिफायर आउटपुट पर सटीकता विधि (एन्ट्रॉपी) के परिणाम को जानने के लिए फजी सॉफ्ट क्लासिफायर और एंट्रॉपी, एंट्रॉपी आधारित नॉइज़ क्लस्टरिंग के साथ हाइब्रिड फजी आधारित क्लासिफायर का उपयोग किया गया है। लेकिन किसी भी वर्गीकरण को इसकी सटीकता के आकलन के बिना अधूरा माना जाता है। विभिन्न वाणिज्यिक कंपनियों ने विभिन्न प्रकार के इमेज प्रोसेसिंग टूल पेश किए हैं जो डेटा इनपुट, विज़ुअलाइज़ेशन, संवर्द्धन, परिवर्तन, वर्गीकरण, सटीकता मूल्यांकन और आउटपुट के साथ-साथ अन्य जीआईएस आधारित मॉड्यूल से संबंधित मॉड्यूल प्रदान करते हैं। कुछ प्रमुख जीआईएस सॉफ्टवेयर जिनमें अच्छी तरह से परिभाषित इमेज प्रोसेसिंग मॉड्यूल हैं, वे हैं ईआरडीएएस इमेजिन, आईडीआरआईएसआई, ईएनवीआई और ईआर मैपर, लेकिन सॉफ्ट क्लासिफाइड आउटपुट के मूल्यांकन के लिए इन सॉफ्टवेयर द्वारा सटीकता का आकलन समर्थित नहीं है।