بخش بندي تصاوير ماهواره اي SAR با استفاده از اتوماتاي يادگير سلولي وفقي آستانه گيري شده

SAR Image Segmentation Based on Adaptive Thresholded Cellular Learning Automata

در اين مقاله،‏ يك الگوريتم سه مرحله اي جديد براي بخش بندي تصاوير ماهواره اي SAR ارايه شده است. درمرحله ي اول از بخش بندي،‏ تصوير ورودي ماهواره اي SAR با استفاده از CLA پردازش شده و اختلاف سطح خاكستري بين پيكسل ها در هر ناحيه از تصوير SAR كاهش يافته و يك تصوير بخش بندي شده ساده،‏ توليد مي گردد كه به عنوان يك تصوير ورودي به مرحله ي دوم از الگوريتم داده مي شود. در مرحله دوم كه تكميل كننده ي فرآيند بخش بندي است،‏ يك آستانه به عنوان فواصل سطوح خاكستري بين پيكسل هاي هرناحيه انتخاب مي شود. اگر فاصله سطوح خاكستري بين دو پيكسل مجاور كوچكتراز باشد،‏ اين دو پيكسل متعلق به همان ناحيه خواهند شد و برچسب مشابه خواهند گرفت. بعد از برچسب زدن نواحي،‏ ميانگين سطوح خاكستري پيكسل هاي برچسب زده شده يكسان به عنوان سطح خاكستري نماينده ي هرناحيه در نظر گرفته مي شود.آستانه گيري آخرين مرحله از فرآيند بخش بندي درتشخيص نواحي در الگوريتم پيشنهادي مي باشد. در اين مرحله نواحي شبيه به هم،‏ برچسب يكسان مي گيرند. الگوريتم پيشنهادي بر روي دو دسته از تصاويرSAR يكي مبتني بر تصاوير شبيه سازي شده و ديگري بر روي تصاويرحقيقي SAR آزمايش شده است. نتايج آزمايشات نشان دهنده ي خطاي كمتر و دقت بيشتر به منظور بخش بندي تصاوير SAR در مقايسه با ساير روش هاي بخش بندي اين تصاوير است.

In this paper, a new algorithm based on three steps has been proposed for segmentation of SAR images. In the first segmentation step, the input SAR satellite image is proposed using CLA and the difference between the gray levels of pixels in each region of SAR image is reduced and a basic segmented image is produced which is used as an input image to the second step of the algorithm. In the second step which is an expletive segmentation step, a threshold is selected as a gray level distance between the pixels of each region. If the gray level distance between two adjacent pixels is smaller than , then these two pixels are related to same region and will take the same label. After labeling the regions, the average of the same labeled pixels of gray level is considered as gray level indicator of each region. Theresholding is the last stage of the proposed algorithm in segmentation process for identification of regions. In this step, all of the same regions, take the similar label. The proposed algorithm is evaluated on two types of SAR images: the simulated SAR images and the real SAR images. The results show that the proposed method has less error rate and higher accuracy in comparison with other methods for segmentation of SAR images.