الگوريتم خوشه بندي طيفي مبتني بر فاصله بافتي براي قطعه بندي تصاوير ماهوارهاي SAR

Segmentation of SAR Satellite Images Using Self-Tuning Spectral Clustering

در اين مقاله يك روش قطعه بندي جديد مبتني بر خوشه بندي طيفي خودتنظيم شونده براي تصاوير ماهواره اي SAR ارايه شده است. از اين روش مي توان به عنوان پيش پردازشي جهت انجام كاربردهاي پيشرفته تري چون بازيابي تصاوير، ردگيري و تشخيص اشيا و غيره بهره برد. در اين روش، ابتدا تصوير از لحاظ كميت شدت روشنايي توسط الگوريتم mean-shift قطعه‌بندي مي‌شود و به دنبال آن با استفاده از ويژگي‌هاي بافت قطعات و از روش خوشه‌بندي طيفي خودتنظيم‌شونده عمل ادغام قطعات صورت مي‌گيرد. استفاده از چندين نماينده بافت براي هر قطعه كه توسط الگوريتم خوشه‌بندي سلسله‌مراتبي بدست مي‌آيند، سبب شده تا نتايج اين روش با بهترين الگوريتم‌هاي قطعه‌بندي موجود قابل رقابت باشد. از ديگر ويژگي‌هاي اين روش استفاده نكردن از اطلاعات مكاني براي عمليات قطعه‌بندي است. يكي از كاربردهاي بسيار مفيد روش پيشنهادي، قطعه‌بندي و متمايز نمودن بافت هر ناحيه از هر تصوير SAR است. نتايج شبيه‌سازي و آزمايشات انجام شده توسط اين الگوريتم بر روي دو نوع از تصاوير حقيقي SAR يكي شامل تصاوير POLSAR و ديگري شامل تصاوير حقيقي تك بانده SAR ارايه شده است. اين نتايج بيانگر قدرت روش پيشنهادي در قطعه‌بندي و توصيف بافتهاي مختلف در تصاوير حقيقي SAR بوده و كمتر تحت تاثير شدت نويز Speckle در تصاوير SAR خواهد بود.

In this paper, a new segmentation algorithm based on self-tuning spectral clustering is presented for segmentation of synthetic aperture radar (SAR) satellite images. This algorithm can be used as a preprocessing approach for advanced applications such as image restoration, tracking, object recognition, and so on. In this method, image is first segmented in terms of intensity quantity with mean-shift algorithm, and then the merging procedure of segments is done using texture features of these segments and using self-tuning spectral clustering. The segmentation results of this method are comparable with the best segmentation algorithms due to the use of multiple texture indicators for each segment that they are obtained by hierarchical clustering algorithm. Not using spatial information for segmentation operations is another advantage of this method. One of the applications of the proposed method is texture segmentation and discrimination of each region of SAR satellite images. Experimental results are carried out on both real SAR and POLSAR images. The experimental results show that the proposed algorithm is effective for segmentation and description of different textures in SAR images, and it is also insensitive to the intensity degraded by the speckle noise.