عنوان	مدل تجزیه ماتریسی نامنفی عمیق و مقاوم دوگانه برای جداسازی فراطیفی
نوع پژوهش	پایان نامه
کلیدواژه‌ها	جداسازیفراطیفی، تجزیه ماتریسی نامنفی، یادگیری عمیق، مقاومت.
چکیده	جداسازی فراطیفی (HU) یک تکنیک بنیادی برای تحلیل تصاویر فراطیفی (HSIs) است که به‌دلیل وضوح فضایی محدود و ساختارهای پیچیدۀ سطح، اغلب شامل پیکسل‌های مخلوط می‌باشند. روش‌های موجود جداسازی فراطیفی که معمولاً بر پایۀ مدل اختلاط خطی (LMMs) و تجزیۀ ماتریسی نامنفی (NMF) کم‌عمق هستند، در مواجهه با نویز، استخراج ویژگی‌های سلسله‌مراتبی و مدل‌سازی تنوع مکانی در سطوح اختلاط پیکسل‌ با محدودیت‌هایی روبه‌رو هستند. برای رفع این چالش‌ها، یک چارچوب جدید جداسازی مقاوم مکانی–طیفی ارائه می‌کنیم که یک معماری عمیق دوگانه را با تابع هزینۀ کوشی یکپارچه می‌کند. با بهره‌گیری از خاصیت مقاوم برآوردگر کوشی، این مدل اثر نقاط پرت و توزیع‌های نویزی دنباله‌سنگین را در هر دو بُعد پیکسلی و باندی به‌طور مؤثری کاهش می‌دهد. طراحی عمیق دوگانه، تجزیۀ تدریجی در ابعاد مکانی و طیفی را ممکن می‌سازد، استخراج ویژگی‌های سلسله‌مراتبی را تسهیل می‌کند و تمایزپذیری امضاهای طیفی را در صحنه‌های با اختلاط شدید بهبود می‌دهد. علاوه بر این، یک تنظیم‌کننده مبتنی بر نُرمL1/2,1 معرفی می‌شود که به‌صورت تطبیقی خلوتی پیکسل‌محور را اعمال کرده و در نتیجه سطوح اختلاط ناهمگن را در سراسر تصویر پوشش می‌دهد. این مؤلفه‌ها در قالب یک چارچوب بهینه‌سازی یکپارچه و سرتاسری ادغام می‌شوند تا به‌طور هم ‌زمان از اطلاعات مکانی و طیفی برای تفکیک مقاوم بهره‌برداری شود. آزمایش‌های گسترده روی داده‌های مصنوعی و واقعی نشان می‌دهد روش پیشنهادی از نظر مقاومت، تاب‌آوری در برابر نویز و دقت نسبت به روش‌های پیشرفتۀ موجود عملکرد برتری دارد.
پژوهشگران	فردین اخلاقیان طاب (استاد راهنما)، زهرا محسنی راد (دانشجو)، وفا بارخدا (استاد مشاور)