این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۱۸، شماره ۱، صفحات ۱۰۲-۸۷
عنوان فارسی طبقه‌بندی تصاویر پلاریمتری رادار مبتنی بر ماشین بردار پشتیبان و الگوریتم جستجوی گرانشی دودویی
چکیده فارسی مقاله هدف از این پژوهش ارائه یک روش بهینه بهه‌­منظور طبقه­‌بندی تصاویر رادار پلاریمتری است. روش پیشنهادی تلفیقی از ماشین بردار پشتیبان و الگوریتم بهینه­‌سازی جستجوی گرانشی دودویی است. در این راستا، ابتدا مجموعه‌­ای از ویژگی­‌های پلاریمتریک شامل مقادیر داده اصلی، ویژگی­‌های تجزیه هدف و تفکیک‌کننده‌های SAR از تصاویر استخراج می­‌شوند؛ سپس به‌منظور انتخاب ویژگی­‌های مناسب و تعیین پارامترهای بهینه برای طبقه‌­بندی‌کننده ماشین بردار پشتیبان از الگوریتم جستجوی گرانشی دودویی استفاده شده است. به‌منظور دست‌یابی به یک سامانه طبقه‌­بندی با دقت طبقه­‌بندی بالا، انتخاب مقادیر بهینه پارامترهای مدل و زیرمجموعه‌­ای از ویژگی‌های بهینه، به‌طور هم‌زمان انجام می‌­پذیرد. نتایج پیاده­‌سازی الگوریتم پیشنهادی با دو حالت، در‌نظر‌گرفتن تمام ویژگی‌­های انتخاب‌شده، و الگوریتم ژنتیک، قیاس شده که نتایج حاصل از تفکیک نواحی برای سه ناحیه مورد بررسی قرار گرفته است. تفکیک نواحی برای مناطق سانفرانسیسکو و مانیل، و تشخیص لکه نفتی سطح اقیانوس منطقه فیلیپین مورد ارزیابی قرار گرفته که به‌ترتیب با بهبود دقت کلی تقریبی 12، 7 و 5/6 درصد در قیاس با الگوریتم ژنتیک بهبود داشته است.
کلیدواژه‌های فارسی مقاله انتخاب ویژگی، طبقه‌بندی تصویر، ماشین بردار پشتیبان، بهینه‌سازی، الگوریتم جستجوی گرانشی دودویی، پلاریمتری رادار
عنوان انگلیسی Classification of polarimetric radar images based on SVM and BGSA
چکیده انگلیسی مقاله Classification of land cover is one of the most important applications of radar polarimetry images. The purpose of image classification is to classify image pixels into different classes based on vector properties of the extractor. Radar imaging systems provide useful information about ground cover by using a wide range of electromagnetic waves to image the Earth's surface. The purpose of this study is to present an optimal method for classifying polarimetric radar images. The proposed method is a combination of support vector machine and binary gravitational search optimization algorithm. In this regard, first a set of polarimetric features including original data values, target parsing features, and SAR separators are extracted from the images. Then, in order to select the appropriate features and determine the optimal parameters for the support vector machine classifier, the binary gravitational search algorithm is used. In order to achieve a classification system with high classification accuracy, the optimal values of the model parameters and a subset of the optimal properties are selected simultaneously. The results of the implementation of the proposed algorithm are compared with two states, taking into account all the selected features, and the genetic algorithm, the results of zoning for the three regions are examined. The separation of areas for the San Francisco and Manila regions, and the detection of oil slicks in the ocean surface of the Philippines, have been evaluated. The comparison with the genetic algorithm was approximately between 6% to 12% and the comparison with the presence of all features was between 13% and 20%. For the San Francisco area, the number of extraction properties was 101, which was selected using the proposed 47 optimal properties algorithm. For the city of Manila, after applying the algorithm, 31 optimal features have been selected from 65 features. For the oil slick of the city of the Philippines, we have reached the stated accuracy by selecting 33 features from 69 features, for the first two regions the number of initial population is 50 and the repetition period is 30, and for the third region with 30 initial population and the repetition period is 10.
کلیدواژه‌های انگلیسی مقاله Feature Selection, Image classification, support vector machine, optimization, binary gravitational search algorithm, polarimetric radar
نویسندگان مقاله یاسر رضائی | yaser rezaei
Faculty of New Science and Technology, University of Tehran
دانشکده علوم و فنون نوین، دانشگاه تهران

علیرضا رضائی | alirezae rezaee
nterdisciplinary Technology and Mechatronics, Faculty of New Science and Technology, University of Tehran
گروه مهندسی سیستم و مکاترونیک دانشکده علوم و فنون نوین، دانشگاه تهران

فاطمه درکه | fateme darakeh
Faculty of Computer and electrical engineering, Iranian Research Organization for Science and Technology
پژوهشکده برق و فناوری اطلاعات

زینب آذرخش | zeynab azarakhsh
Department of Remote Sensing and GIS, Shahid Beheshti University
دانشکده علوم زمین، دانشگاه شهید بهشتی

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-1212-2&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش تصویر
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات