بخش بندی تصاویر SAR با استفاده از الگوریتم k-means و آمارگان محلی

کیفیت تصویر تشکیل شده از منطقه توسط رادار SAR به دلیل کاربردهای مختلف اعم از نظامی یا غیرنظامی اهمیت ویژه ای دارد. عدم دقت در مشاهدات دریافتی توسط این رادارها به دلایل مختلف، اعم از دلایل محیطیو جوی یا دلایل مربوط به عدم دقت در حرکت سکو، باعث برهم زدن کیفیت تصویر حاصله از پردازش داده های دریافتی میشود هدف از انجام این مقاله، ارایه یک روش مطلوب ناحیه بندی/کلاس بندی، بمنظور بهبود کیفیت آشکارسازی اهداف در تصاویر SAR است. اصلی ترین مشکل در ناحیه بندی تصاویر SAR وجود نویز ذاتی لکه ای (اسپیکل) که یک نویز ضرب شونده با قدرت تخریب بالا بوده و موجب ناهمگنی شدت روشنایی در تصویر میشود. به همین دلیل، روش های معمول و متداول ناحیه بندی در تصاویر SAR کارایی ندارد. روش پیشنهادی در این مقاله، مبتنی بر روش خوشه بندی k-means و تحلیل آماری است. در این روش، بعد از ناحیه بندی تصویر به k ناحیه/کلاس، توسط الگوریتم k-means تفاوت آمارگان کلاس های حاصل، بررسی خواهد شد. پس از تحلیل آماری و بدست آوردن PDF هر کلاس، در صورتی که آمارگان دو کلاس، یکسان باشد ( یا اختلاف آ نها از یک حد آستانه، کمتر باشد) دو کلاس به عنوان یک کلاس تلقی شده و با هم ادغام میشوند؛ در غیر این صورت، دو کلاس، به صورت مجزا باقی میمانند. در نهایت تصویری خواهیم داشت که به خوبی ناحیه بندی شده است (از حیث کیفیت آشکارسازی اهداف). نتایج به دست آمده نشان میدهد که الگوریتم پیشنهادی، نسبت به نویز اسپیکل مقاوم بوده و روش مناسبی برای ناحیه بندی تصاویر SAR است

کلیدواژه ها:

ناحیه بندی ، SAR ، نویز اسپیکل ، الگوریتم k-means خوشه بندی