خوشه بندی تصاویر رادار سار با استفاده از شبکه‌های عصبی مصنوعی

خوشه بندی تصاویر رادار سار با استفاده از شبکه‌های عصبی مصنوعی

نفس کهریزی1

1) مدیریت سیستم های اطلاعاتی، دانشگاه تهران، ایران.

کد IOI مقاله : XKBA-AZEFAH
محل انتشار : سومین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com/3rd)
چکیده :
    مشخصه‌های اصلی در بررسی کیفیت تصاویر عبارتند از: رزولوشن، نویز تصویر و کنتراست است. تصاویری که توسط رادار سار گرفته می شوند از نویز بالایی برخوردار است. تقسیم بندی اینگونه تصاویر اغلب کار دشواری است. برای تفکیک قسمت‌های مختلف تصاویر باید تقسیم بندی صحیح و با دقت بالایی انجام شود، در این مقاله روش بهینه‌ای برای تقسیم بندی پیشنهاد داده شده است. پیشنهاد، استفاده از شبکه های باور عمیق با ترکیب الگوریتم ژنتیک است. ابتدا پروسه با خواندن تصویر راداری شروع می‌شود و سپس شبکه باور عمیق از ویژگی‌های چند عنصری تصویر استفاده کرده و پیکسل‌ها را در گروه‌هایی سازماندهی می‌کند. هر مقدار گروه به عنوان یک مرکز خوشه استفاده می‌شود و این مرکز برای الگوریتم ژنتیک ترکیبی آماده شده تا راه حل بهینه در قطعه‌بندی تصویر انتخاب شود. این ترکیب بسیار کارآمد بوده و نتایج حاصل از این کار نشان دهنده بهبود بسیار بالایی می‌باشد. الگوریتم پیشنهادی امکان‌سنجی، استحکام، دقت و بهره‌وری خوبی برای تفکیک سازی تصاویر را نشان می دهد.

کلمات کلیدی : پردازش تصویر شبکه‌های باور عمیق الگوریتم ژنتیک ترکیبی رادار سار خوشه بندی تصاویر