ارائه ی الگوریتمی مبتنی بر روش رگرسیون طیفی بدون نظارت و فیلترهای گابور برای آموزش ویژگی و بخش بندی تصاویر SAR

بخش بندی مبتنی بر بافت در تصاویر روزنه ترکیبی (SAR)، به دلیل درگیر بودن آنها با نویزی به نام speckle مشکل است. روش ها ی متفاوتیبرای بخش بندی این تصاویر وجود دارد که عمده ی آنها با مشکل بالا بودن ز مان ا جرای برنا مه ، پیچیدگی محاسباتی و اشغال کردن حجم بالایی ازحافظ مواجه هستند. در این مقاله روشی بدون نظارت برای بخش بندی این تصاویر پیشنهاد شده است. در الگوریتم پیشنهادی، ابتدافیلتر گابور بهتصویر اعمال شده و تصویر را به زیرتصویرهایی تجزیه می کند، ویژگی هایی از این زیر تصویرها، استخراج می شوند؛ سپس با استفاده از خوشه بندی رگرسیون طیفی بدون نظارت (USR)، این ویژگی ها آموزش داده شده و در نهایت با استفاده از الگوریتم k-means ،تصویر بخش بندی می شود. با توجه به اینکه در USR نیازی به محاسبه ی تجزیه ی ویژه ی ماتریس چگالی نیست، زماناجرای برنامه ، حجم حافظه ی اشغالی و پیچیدگی محاسباتی کاهش پیدا می کند. الگوریتم پیشنهادی با روش های خوش بندی Nystr?m و خوشه بندی طیفی تنک موازی (PSCC) مورد مقایسه قرار گرفت و نشان داده شد که هم دقت بالاتری دارد و هم زمان محاسباتی در آن پایین تر می باشد.