ارائه الگوریتم ترکیبی جدید قطعه بندی تصویر برای شناسایی اهداف در تصاویر SAR

به علت وجود نویز اسپیکل، تقسیم تصاویر - Radar Aperture Radar )SAR ) هنوز هم یک مشکل چالش برانگیز است. این مقاله یک روش موثر برای تقسیم تصاویر رادار روزنه مصنوعی SAR ارائه می دهد. با ترکیب روش خوشه بندی k-means ، مورفولوژی باز و بستن تصویر خوشه بندی شده و تحلیل آماری کلاس های موجود میتوان تصویر قطعه بندی شده مطلوبی در تصاویر SAR به دست آورد. در این روش، بعد از قطعه بندی تصویر به k کلاس، توسط الگوریتم k-means ، با مورفولوژی باز و بستن تصویر خوشه بندی شده هیستوگرام اصلاح می شود و سپس تفاوت آمارگان کلاس های حاصل، بررسی خواهد شد. در شرایطی که اختلاف آمارگان دو کلاس از یک حد آستانه، کمتر باشد دو کلاس ادغام می شوند؛ در غیر این صورت، دو کلاس، به صورت مجزا باقی می مانند. بدین ترتیب تصویری خواهیم داشت که به نواحی قابل بررسی برای آشکارسازی اهداف در تصاویر رادار روزنه مصنوعی قطعه بندی شده است. نتایج به خوبی با بررسی دقت آشکارسازی هدف در تصاویر SAR مشخص می شود

کلیدواژه ها:

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