الگوريتم بخش‌ بندي مبتني بر لبه براي تصاوير ماهواره‌ اي SAR با استفاده از اتوماتاي سلولي فازي بهينه شده

Edge-Based Segmentation Algorithm for SAR Satellite Images Using Optimized Fuzzy Cellular Automata

اخيرا پيشرفت‌ هاي زيادي در وضوح تصاويرSAR انجام گرفته و مطالعات زيادي نيز بر روي روش‌ هاي بخش‌ بندي اين تصاوير براي ساخت و به روز رساني اطلاعات جغرافيايي صورت گرفته است. در اين مقاله،‏ الگوريتم اتوماتاي سلولي فازي براي بخش‌ بندي تصاوير SAR پيشنهاد شده است. اين نظريه تركيب اتوماتاي سلولي و قوانين فازي براي ايجاد يك مدل به نام اتوماتاي سلولي فازي است. در اين مقاله از همسايگي هشت تايي مور استفاده شده است. سه متغير به نام سلول اوليه،‏ وضعيت ايمني سلول‌ هاي همسايه و سطح خاكستري سلول‌ هاي همسايه در هشت جهت مختلف مور بررسي شده و قوانين فازي بر روي آنها اعمال شده است. سپس نتايج بر روي دو دسته از تصاوير آزمايش شده‌اند. دسته اول تصاوير اپتيكي و شبيه‌ سازي شده‌ ي SAR است كه ابتدا با الگوريتم FCA بخش‌ بندي شده و سپس با الگوريتم GA و AFS مقايسه مي‌ شوند. ميزان درصد خطاي FCA پيشين و FCA پيشنهادي نيز محاسبه شده است. دسته دوم،‏ تصاوير واقعي SAR است كه پس از بخش بندي با الگوريتم FCA،‏ با الگوريتم هاي GA ،‏AFS،‏ ABC،‏ الگوريتم آستانه‌گيري مبتني بر هيستوگرام و FCA ي پيشين مقايسه شده‌ اند. نتايج آزمايشات نشان مي‌ دهد كه روش ارايه شده نسبت به ديگر روش‌ ها براي بخش‌ بندي تصاوير SAR به دليل داشتن دقت بيشتر در بخش‌ بندي و خطاي كمتر مناسب تر است.

Recently, great advances have been made to improve resolution of synthetic aperture radar (SAR) images. Numerous studies have been conducted on segmentation of SAR images for developing and updating geographical information. The present paper proposes a fuzzy cellular automata algorithm for segmenting SAR images. This theory is a combination of cellular automata and fuzzy rules to develop a model called fuzzy cellular automata. In this paper, 8-tuple Moore neighborhood has been used. Three variables including primary cells, immune status of neighboring cells and gray-level of neighboring cells were investigated in eight different directions Moore and fuzzy rules have been imposed on them. Then, the results have been tested on two sets of images. The first is a set of optical and simulated SAR images. The images were first segmented by FCA algorithm. Then, the results were compared with the results of GA and AFS algorithms. The error rates of previous FCA and the proposed FCA have been calculated. The second set includes real SAR images. After segmenting by FCA algorithm, the results were compared with the results of GA, AFS, ABC, histogram-based thresholding algorithm and previous FCA algorithms. The results show that the proposed method is more appropriate for segmenting SAR images because of higher accuracy and less error rate than other methods.