طبقه‌بندي شورايي تطبيقي پوشش اراضي با استفاده از تصاوير پلاريمتريك راداري و قاعده تركيب پيشنهادي

Adaptive Ensemble Classification for Land Cover Classification Using Polarimetric Radar Images and Proposed Combination Rule

با توجه به قابليت‌هاي فراوان تصاوير پلاريمتريك راداري به‌عنوان يك منبع اطلاعات راهبردي، استفاده از آنها در كاربردهاي نظامي و تجاري، رشد روزافزوني دارد. يكي از موضوع‌هاي مهم و مورد علاقه پژوهشگران، بحث طبقه‌بندي اين تصاوير است. لذا در اين مقاله، ساختار يك طبقه‌بند شورايي مبتني بر روش نمايش تنك كه به‌صورت تطبيقي براي دو دسته از پيكسل‌ها مرزي و غيرمرزي تصاوير پلاريمتريك اجرا مي‌شود، ارائه گرديده است. در اين طرح جنبه‌هاي مختلف (طبقه‌بندهاي پايه و تنوع آنها، ساختار طبقه‌بند شورايي، قابليت اطمينان، قاعده تركيب، ويژگي‌هاي پلاريمتريك و بافت و اطلاعات زمينه‌اي) مد نظر قرار گرفته است. جهت طراحي قاعده تركيب طبقه‌بندهاي پايه، از يك روش پيشنهادي مبتني بر پارامتر قابليت اطمينان و براي كاهش گسستگي‌هاي ناخواسته در خروجي طبقه‌بند شورايي، از يك مرحله پس‌پردازش استفاده شده است. نتايج پياده‌سازي الگوريتم‌هاي پيشنهادي بر روي نمونه تصوير پلاريمتريك، حاكي از برتري آنها نسبت به ساير روش‌هاي متداول است.

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.