تلفيق تصاوير پلاريمتري راداري و ابرطيفي جهت بهبود آشكارسازي اهداف پوشش دار در جنگل با استفاده از امضاهاي پلاريمتري و طيفي

Improving Concealed Target Detection in Forest Area Using Fusion of Polarimetric SAR Data and Hyperspectral Data Using Polarimetric and Spectral Signatures

هدف اصلي اين مقاله ارايه‌ يك روش جديد براي استفاده همزمان از دو منبع داده پلاريمتري راداري و ابرطيفي بهمنظور بهبود آشكارسازي اهداف پوشش دار در جنگل مي‌باشد. مبناي روش پيشنهادي استفاده همزمان از امضاي پلاريمتري و امضاي طيفي و همچنين روش‌هاي مطابقت در يك آشكارساز مي‌باشد. تلفيق دو روش SCM براي تعيين ميزان تشابه ساختاري و SAM براي تعيين ميزان تمايز شدت و بزرگي دو امضا براي روش پيشنهادي انتخاب‌شده است. نتايج روش پيشنهادي با دو ديدگاه ارزيابي شده است. نخست خروجي آشكارساز پيشنهادي با تلفيق دو منبع داده با خروجي هريك از منابع ابرطيفي و پلاريمتري در آشكارسازي اهداف مخفي مقايسه شده است. تعداد اهداف اشتباه آشكارشده در اين روشها بهترتيب 3، 9 و 12 هدف ميباشد. سپس خروجي آشكارساز به‌صورت كمي به كمك منحني ROC در برابر روشهايACE در داده ابرطيفي وCFAR در داده پلاريمتري ارزيابي‌شده است. مساحت زير اين منحني در اين روشها بهترتيب 0/87، 0/91 و 0/69 ميباشد. مطابق اين نتايج روش پيشنهادي ضمن كاهش تعداد اهداف اشتباه در آشكارسازي اهداف مخفي در آشكارسازي كل اهداف نيز ميتواند دقت مناسبي را ارايه دهد.

The main purpose of this study is the fusion of polarimetric SAR (PolSAR) data and hyperspectral data for improving concealed target detection in forest area. The proposed method based on the polarimetric signatures, the spectral signatures and the pattern recognition matching methods. The combination of SCM, that measures the similarity between the shapes of two signatures, and SAM, that measures the difference between the intensities of signatures were selected for this study. The results of the proposed method were evaluated using two methods. First, the output of the proposed detector using a fusion of the two source data was compared to the output of the proposed detector using each of the two sources in detection of concealed targets. The number of false detected targets in these methods are 3, 9 and 12. Second, the algorithm was compared to ACE algorithm in hyperspectral data and CFAR method in PolSAR data using the ROC curves. The area under the curve of these methods are 0.87, 0.91 and 0.69. As the results, the proposed method has detected concealed targets with the minimum false targets. Also, this method presented well accuracy in other targets.