الگوریتم تخمین پارامتر بخشبندی مبتنی بر انرژی ضرایب تبدیل Curvelet برای استخراج ویژگی و توصیف بافت در تصاویر SAR

سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 413

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SAIRAN-5-1_005

تاریخ نمایه سازی: 17 فروردین 1395

چکیده مقاله:

تصاویر رادار روزنه ترکیبی (SAR) به دلیل داشتن رزولوشن بالا و تکنولوژی تصویربرداری منحصر به فرد، دارای کاربردهای زیادی در زمینه شناسایی اهداف، کشف معادن زیرزمینی، هواشناسی، کشاورزی و غیره هستند. با این حال، پردازش این نوع از تصاویر، به دلیل درگیر بودن آنها با نویزی موسوم به Speckle دشوار است. امروزه بخشبندی بافت نواحی مختلف تصاویر SAR بر اساس طراحی تابع Kernel با پارامترهای مناسب، مورد توجه قرار گرفته و با چالش اساسی روبه رو است. در این مقاله، الگوریتم تخمین پارامتر جدیدی برای طراحی تابع Kernel بهینه مورد نیاز در بخشبندی بافت تصاویر SAR ارائه شده است که در آن تبدیل Curvelet تنها در یک مرحله روی تصویر SAR اعمال شده و ضرایب لایه درونی به عنوان ویژگی های توصیفگر بافت استخراج می شوند. سپس یک تابع Kernel جدید بر اساس مقدار کشیدگی انرژی ضرایب Curvelet،(KCE) تشکیل می شود. در مرحله بعد، بخشبندی بافت های مختلف با به کارگیری تابع تخمین یافته KCE انجام می شود. نتایج شبیه سازی آزمایش ها، روی تصاویر شبیه سازی شده و نیز تصاویر حقیقی SAR ارائه شده است. این نتایج نشان می دهند که الگوریتم پیشنهادی برای بخشبندی و توصیف بافت های مختلف در تصاویر SAR مفید بوده و دارای خطای بخشبندی کمتری در مقایسه با سایر روش های قبلی است.

کلیدواژه ها:

تصویر رادار روزنه ترکیبی (SAR) ، آماره ، کشیدگی انرژی ، (KCE) Curveletو Speckle

نویسندگان

غلامرضا اکبری زاده

استادیار دانشکده مهندسی دانشگاه شهید چمران اهواز

زینب تیرانداز

دانشجوی کارشناسی ارشد برق، دانشگاه شهید چمران اهواز