طبقه بندی تصاویر رادار SAR با استفاده از شبکه CNN-GA

در این پژوهش، یک چارچوب هوشمند برای طبقه بندی خودکار اهداف زمینی در تصاویر رادار روزنه مصنوعی معرفی می شود. مساله اصلی، تنوع ویژگی های هدف و وجود نویز اسپکل ذاتی است که تحلیل و طبقه بندی دستی را با چالش مواجه می سازد. برای حل این مساله، یک معماری ترکیبی مبتنی بر شبکه عصبی کانولوشنی و الگوریتم ژنتیک پیشنهاد شده است. در این روش، الگوریتم ژنتیک برای بهینه سازی خودکار ابرپارامترهای معماری شبکه عصبی کانولوشنی به کار رفته و از فیلتر لی در مرحله پیش پردازش برای کاهش موثر نویز و حفظ لبه ها استفاده شده است. ارزیابی عملکرد بر روی مجموعه داده استاندارد ام استار نشان می دهد که روش پیشنهادی به دقت برجسته ۹۹.۳۳٪ در طبقه بندی تصاویر نویززدایی شده دست یافته است. این نتیجه، عملکرد برتر روش پیشنهادی را در مقایسه با سایر روش های متعارف به وضوح نشان می دهد. دستاورد این پژوهش، کارایی بالای رویکرد ترکیبی را در مواجهه با چالش های پیچیده پردازش تصاویر راداری تایید کرده و گامی موثر در جهت توسعه سیستم های شناسایی خودکار اهداف محسوب می شود.

کلیدواژه ها:

رادار روزنه مصنوعی ، طبقه بندی تصاویر ، شبکه کانولوشن ، الگوریتم ژنتیک