تبديلات موجك در آناليز فركتالي به منظور آشكارسازي لبه ها در تصاوير سنجش از دور مايكروويو

Wavelet transforms in fractal analysis for edge detection in microwave remote sensing images.

تا كنون مدل هاي فركتالي مختلفي در پردازش تصاوير، شناسايي الگو،طبقه بندي و آناليز بافتي مورد استفاده قرار گرفته است اما يكي از كاربردهاي مهم آناليز فركتالي استفاده از آن ها در آشكارسازي لبه هاي تصوير است.مهمترين خصيصه فركتال ها بعد فركتالي است كه در اين مقاله از فركتال ها در آناليز تصاوير سنجش از دور مايكروويو(SAR) كه شديدا وابسته به روش تعيين بعد فركتالي هستند استفاده شده است.از لحاظ تيوري سيگنال دريافت شده در تصاوير مايكروويو به عنوان يك پديده ي آشوبي شناخته شده است،چرا كه پراكنش سيگنال ها در هر پيكسل،بصورت همدوس جمع مي شوند.در نتيجه ،سيگنال مايكروويو قابليت مدل سازي در سيستم هاي ديناميكي آشوبي را دارد.پديده هاي آشوبي در سيستم هاي ديناميكي مي توانند با بعد فركتالي توصيف شوند.بعد فركتالي در هندسه فركتالي به منظور توصيف پيچيدگي هندسي پديده ها تعريف مي شود و روش هاي مختلفي براي محاسبه آن وجود دارد. يك روش بهينه در تعيين بعد فركتالي براي كاربرد هاي مختلف وجود ندارد لذا روش هاي متفاوت،نتايج متفاوت در كاربردهاي مختلف ارايه مي كنند.يكي از روش هايي مه در تعيين بعد فركتالي تصاوير مايكروويو نتايج نسبتا قابل قبولي ارايه كرده،استفاده از آناليز حركت نسبي براون هوراه با تبديلات موجك است.بعد فركتالي تصاوير سنجش از دوري به دو صورت سراسري و محلي تعيين مي شود.در حالت محلي كه كاربرد بيشتري نسبت به حالت سراسري دارد تعيين ابعاد اندازه پنجره محرك يك پارامتر تاثيرگذار در تعيين بعد است.به منظور ارزيابي نتايج اين الگوريتم و كارايي آن،الگوريتم مورد نظر با روش هاي كلاسيك آشكارسازي لبه در تصوير نظير فيلتر كني و سوبل مقايسه شده است. در اين مقاله از آناليز حركت نسبي براون در حالت محلي براي تعيين بعد تصاوير سنجش از دور مايكروويو استفاده مي شود.تصاوير مورد استفاده مربوط به بندر انزلي واقع در شمال ايران كه توسط سنجندهJERS-1 ژاپن در سال 1997 تهيه شده است

Fractal models have been used in several image processing and pattern recognition applications such as texture analysis and classification. Edge detection is major application of fractals in remote sensing and the local fractal dimension indicated as edge detection algorithm. The premier trait of fractals is fractal dimension. Applications of fractal geometry in remote sensing rely heavily on estimation of the fractal dimension. Theoretically, microwave signals can be characterized as a chaotic phenomenon because the scattering signals within a resolution cell are summed upcoherently. Accordingly, SAR signal can be represented by a dynamic chaotic model and characterized by its fractal dimension. There are several methods to estimate fractal dimension. The use of wavelet analysis combined with in Fractional Brownian motion (fBm) analysis may be providing an interesting approach to compute fractal dimension. Fractal dimension of remote sensing image is determined in global and local form, in the global form one fractal dimension is determined for whole image but in local form that it has more application than global form, fractal dimension is computed by considering a window with size of w×w pixels center on each pixel in the image. In this paper we use the JERS satellite image of Badar-e-Anzali. We compute fractal dimension by integrating the fBm and wavelet analysis. Finally the result of fractal dimension compares with classical edge detection methods such as canny and sobel operators.