سنجش از دور و Gis ایران، جلد ۱۰، شماره ۴، صفحات ۱۲۱-۱۴۴
عنوان فارسی خوشه‌بندی تصاویر پلاریمتری-اینترفرومتری راداری با استفاده از آنتروپی شانون و الگوریتم میدان تصادفی مارکوف
چکیده فارسی مقاله داده‌های پلاریمتری-اینترفرومتری راداری، با فراهم‌کردن اطلاعاتی از نوع شدت، دارا‌بودن اطلاعات پلاریمتری دو تصویر و اطلاعات ارتفاعی حاصل از اینترفرومتری، توانایی زیادی در طبقه‌بندی پوشش‌های زمین دارند که این ویژگی‌های سه­گانه در آنتروپی شانون حاصل از این داده‌ها، به تفکیک قابل مشاهده هستند. استفاده همزمان این پارامترها، نقش تکمیل‌کننده‌ای در طبقه‌بندی ارائه می‌کنند، به‌طوریکه حضور اطلاعات اینترفرومتری، باعث افزایش دقت طبقه‌بندی می‌شود. همچنین داده‌های اخذ‌شده از دنیای واقعی، دارای پیوستگی مکانی هستند. بنابراین در این تحقیق، از الگوریتم میدان تصادفی مارکوف به منظور در نظر­گرفتن همسایگی‌های پیکسلی و مجموعه پارامترهای آنتروپی شانون داده‌های پلاریمتری-اینترفرومتری راداری برای طبقه‌بندی استفاده می‌شود. الگوریتم میدان تصادفی مارکوف برای شروع، نیاز به یک نقشه طبقه‌بندی شده اولیه دارد. نقشه طبقه‌بندی شده اولیه با استفاده از بی نظمی و ناهمسانگردی پلاریمتری و پلاریمتری-اینترفرومتری و ادغام کلاس‌های حاصل، براساس شباهت ماتریس همدوسی پلاریمتری-اینترفرومتری مراکز کلاس‌ها، تهیه می‌شود. بررسی کارآیی الگوریتم‌پیشنهادی با استفاده از داده پلاریمتری-اینترفرومتری اخذ‌شده توسط سازمان فضایی آلمان(DLR) انجام می‌شود. در تحقیق حاضر، از شاخص درجه خلوص خوشه‌ها برای ارزیابی عملکرد الگوریتم پیشنهادی و چند الگوریتم دیگر استفاده می‌شود. درجه خلوص کل حاصل از الگوریتم‌پیشنهادی در مقایسه با درجه خلوص حاصل از الگوریتم‌های -ویشارت( )، االگوریتم پیشنهادی –ویشارت( )، -FCM ویشارت( ) و طبقه­بندی با کمک سه پارامتر آنتروپی شانون و الگوریتم خوشه‌بندی FCM به ترتیب به مقدار 28.48%، 11.38%، 16.60% و19.60% افزایش پیدا کرده است.
کلیدواژه‌های فارسی مقاله پلاریمتری، اینترفرومتری راداری، بی نظمی و ناهمسانگردی، آنتروپی شانون، میدان تصادفی مارکوف،
عنوان انگلیسی Segmentation of Polarimetric Interferometric Radar Images using Shannon Entropies and Markov Random Field Algorithm
چکیده انگلیسی مقاله Polarimetric Interferometric SAR (POLINSAR) data by providing wealth of information containing intensity, polarimetric and interferometric measurements, have shown many capability of mentioned data in the land cover classification. These three componentes of POLINSAR data could be found independently in the Shannon entropy of POLINSAR data. These components play a complementary role in the classification where the presence of interferometric information improves the classification results. As well as the data acquired form the real world has spatial connectivity so considering the neighboring and spatial connectivity in the classification process is essential and useful. So in this paper Markov Random Field segmentation algorithm has been used for classification of Shannon Entropies of POLINSAR data. In order to provide a Markovian field for the MRF classification, an initialization method has been proposed where classifies the image into 16 classes according to the polarimetric and interferometric entropy and anisotropy and merges the clusters obtained to 8 clusters using equality test of coherency matrices. The purity indices (PI) of the clusters obtained over the POLINSAR data acquired by DLR (German Aerospace center) E-SAR have been used to evaluate the effectiveness of the Entropy based MRF classification. The proposed method has been compared with the –Wishart (), -Wishart (, -FCM ( and FCM clustering using Shannon Entropy parameters where this comparisons show approximately 28%, 11%, 17% and 20% increasing in the Purity Indices respectively.
کلیدواژه‌های انگلیسی مقاله پلاریمتری, اینترفرومتری راداری, بی نظمی و ناهمسانگردی, آنتروپی شانون, میدان تصادفی مارکوف
نویسندگان مقاله محسن اسمعیل نژاد سلطانلو |
دانشجوی کارشناسی ارشد سنجش از دور دانشکده مهندسی ژئودزی وژئوماتیک دانشگاه صنعتی خواجه نصیرالدین طوسی.

محمود رضا صاحبی |
دانشیار گروه فتوگرامتری و سنجش از دور دانشکده مهندسی ژئودزی وژئوماتیک دانشگاه صنعتی خواجه نصیرالدین طوسی

نشانی اینترنتی https://gisj.sbu.ac.ir/article_96613_7ef8381fad4ea8ba2b9d68679afcd195.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات