Satellite Image Classification using Spectral Signature and Deep Learning.

تصنيف صور األقمار الصناعية باستعمال التوقيع الطيفي والتعلم العميق.

عندما يتم تخصيص الصور لتحديد التغيرات التي حدثت باستعمال تقنيات مثل التوقيع الطيفي ،والتي يمكن استعمالها الستخ ارج المي ازت ،يمكن ان تكون ذات قيمه كبيرة .في هذا البحث تم اقت ارح استعمال التوقيع الطيفي الستخراج المعلومات من صور االقمار االصط ناعية المسحوبة من موقع Kaggleومن ثم تصنيفها الى اربع فئات . هذه الفئات هي: السحب ، الصحارى، المياه ، والمساحات الخضراء. بعد المعالجة المسبقة لهذه الصور ، يتم تحويل البيانات إلى توقيع طيفي باستعمال خوارزمية تحويل فورير السريع FFT ثم يتم تقليل بيانات كل صورة عن طريق تحديد أهم 20 ميزة وتحويلها من مصفوفة ثنائية األبعاد إلى مصفوفة ا حادية األبعاد باستعمال خوارزمية تكميم المتجهات. بعد تقسيم البيانات إلى تدريب واختبار ، ومن ثم تغذيتها في 23 طبقة من الشبكة العصبية العميقة التي تصنف صور األقمار الصناعية ، تكون النتيجة 2،145،020 معلمة. حصلنا على النتائج التالية : الدقة= ،%100 االسترجاع =%100 و 100%=1F. [ABSTRACT FROM AUTHOR]

When images are customized to identify changes that have occurred using techniques such as spectral signature, which can be used to extract features, they can be of great value. In this paper, it was proposed to use the spectral signature to extract information from satellite images and then classify them into four categories. Here it is based on a set of data from the Kaggle satellite imagery website that represents different categories such as clouds, deserts, water, and green areas. After preprocessing these images, the data is transformed into a spectral signature using the Fast Fourier Transform (FFT) algorithm. Then the data of each image is reduced by selecting the top 20 features and transforming them from a two-dimensional matrix to a one-dimensional vector matrix using the Vector Quantization (VQ) algorithm. The data is divided into training and testing. Then it is fed into 23 layers of deep neural networks (DNN) that classify satellite images. The result is 2,145,020 parameters, and the evaluation of performance measures was accuracy = 100%, loopback = 100%, and the result F1 = 100 %. [ABSTRACT FROM AUTHOR]

Copyright of Iraqi Journal of Science is the property of Republic of Iraq Ministry of Higher Education & Scientific Research (MOHESR) and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)