تعداد نشریات | 36 |
تعداد شمارهها | 1,231 |
تعداد مقالات | 8,931 |
تعداد مشاهده مقاله | 7,701,098 |
تعداد دریافت فایل اصل مقاله | 4,593,639 |
طبقهبندی شورایی تطبیقی پوشش اراضی با استفاده از تصاویر پلاریمتریک راداری و قاعده ترکیب پیشنهادی | ||
رادار | ||
مقاله 6، دوره 6، شماره 1 - شماره پیاپی 19، فروردین 1397، صفحه 49-60 اصل مقاله (894.27 K) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
حسن فرسی* ؛ رضا صالح | ||
دانشگاه بیرجند | ||
تاریخ دریافت: 11 اردیبهشت 1397، تاریخ بازنگری: 20 مرداد 1398، تاریخ پذیرش: 12 آذر 1397 | ||
چکیده | ||
با توجه به قابلیتهای فراوان تصاویر پلاریمتریک راداری بهعنوان یک منبع اطلاعات راهبردی، استفاده از آنها در کاربردهای نظامی و تجاری، رشد روزافزونی دارد. یکی از موضوعهای مهم و مورد علاقه پژوهشگران، بحث طبقهبندی این تصاویر است. لذا در این مقاله، ساختار یک طبقهبند شورایی مبتنی بر روش نمایش تنک که بهصورت تطبیقی برای دو دسته از پیکسلها مرزی و غیرمرزی تصاویر پلاریمتریک اجرا میشود، ارائه گردیده است. در این طرح جنبههای مختلف (طبقهبندهای پایه و تنوع آنها، ساختار طبقهبند شورایی، قابلیت اطمینان، قاعده ترکیب، ویژگیهای پلاریمتریک و بافت و اطلاعات زمینهای) مد نظر قرار گرفته است. جهت طراحی قاعده ترکیب طبقهبندهای پایه، از یک روش پیشنهادی مبتنی بر پارامتر قابلیت اطمینان و برای کاهش گسستگیهای ناخواسته در خروجی طبقهبند شورایی، از یک مرحله پسپردازش استفاده شده است. نتایج پیادهسازی الگوریتمهای پیشنهادی بر روی نمونه تصویر پلاریمتریک، حاکی از برتری آنها نسبت به سایر روشهای متداول است. | ||
کلیدواژهها | ||
تصاویر پلاریمتریک راداری؛ طبقهبندی شورایی؛ قاعده ترکیب؛ طبقهبند مبتنی بر نمایش تنک؛ قابلیت اطمینان؛ پس-پردازش | ||
عنوان مقاله [English] | ||
Adaptive Ensemble Classification for Land Cover Classification Using Polarimetric Radar Images and Proposed Combination Rule | ||
نویسندگان [English] | ||
Hasan farsi؛ reza saleh | ||
University of Birjand | ||
چکیده [English] | ||
Due to numerous capabilities of polarimetric radar images as a source of strategic information, their use in military and commercial applications is rapidly growing. One of the important topics of interest to researchers is the classification of these images. So in this paper, the structure of an ensemble of classifiers based on sparse representation technique is presented which classifies adaptively two sets of border and non-border pixels in a polarimetric image. In this plan, various aspects such as base classifiers and their diversity, ensemble of classifier structure, reliability, combination rule, polarimetric and texture features and contextual information are considered. For designing the combination rule of base classifiers, a method based on reliability parameter is proposed. Also, a post-processing stage is used for reducing the unwanted discretion in the output of the ensemble of classifiers. Implementation of the proposed algorithms on a benchmark PolSAR image, demonstrates their superiority over that of traditional techniques. | ||
کلیدواژهها [English] | ||
PolSAR Data, Ensemble Classification, Rule Combination, Sparse Representation-Based Classifiers, Reliability, Post-Processing | ||
مراجع | ||
[1] S. Shitole, Y. Rao, B. K. Mohan, and A. Das, “Selection of Suitable Window Size for Speckle Reduction and Deblurring using SOFM in Polarimetric SAR Images,” Journal of the Indian Society of Remote Sensing, vol. 43, pp. 739-750, 2015. [14] R. Saleh, H. Farsi, and S. H. Zahiri, “Ensemble classification of PolSAR data using a classifier based on sparse representation and multi-objective heuristic combination rule (in Persian),” Journal of Electronics Industries, vol. 7, pp. 5-19, 2016. [26] S. H. Nabavi and E. A. Kabir, “combination of classifiers: Diversity Creation and combination rules (in Persian),” Journal on Computer Science and Engineering, vol. 3, pp. 95-108, 2005. | ||
آمار تعداد مشاهده مقاله: 431 تعداد دریافت فایل اصل مقاله: 254 |