بهبود ش‍ن‍اس‍اي‍ي‌ خودكار‌ اه‍داف‌ م‍وج‍ود در SAR با استفاده از الگوريتم PSO اصلاحي

Improving the Target Auto Identification in SAR Images Using Corrective PSO Algorithm

در پردازش تصاوير SAR به كمك رايانه، انتخاب الگوريتم با توجه به نوع داده‎ها بسيار اهميت دارد. الگوريتم‌هاي قديمي استفاده شده در اين زمينه، داراي قدرت تشخيص ضعيف يا سرعت نامناسبي هستند. هدف اصلي اين مقاله، ارايه الگوريتمي توانمند جهت تشخيص هدف تصاوير SAR مي‎باشد، كه از طريق هواپيما، فضاپيما و يا ماهواره‌هايي كه براي رصد نمودن اهداف زميني‌اند، اخذ شده است. در اين مقاله سعي بر انتخاب الگوريتمي با ويژگي هماهنگي بيشتر نسبت به پراكندگي بهينه‌هاي محلي و عمومي است. از آنجا كه داده‎ها پراكنده است الگوريتم PSO نسبتا مناسب‌ مي‌باشد. اما با توجه به آنكه بزرگ‌ترين ضعف در الگوريتم PSO گيرافتادن در بهينه محلي است، مي‎توان با تركيب كردن آن با الگوريتم‎هاي بهينه محلي ديگر، اين ضعف را برطرف نمود. از تركيب فوق، الگوريتم GAPSO پيشنهاد شده‎ ‎است. نتايج آزمايشات حاكي از برتري روش پيشنهادي نسبت به روش‎هاي قبلي است و نشان مي‎دهد كه روش پيشنهادي سرعت و دقت شناسايي بافت را نسبت به ساير روش‎ها بهبود داده است.

In the SAR image processing, with the use of computers, it is important to choose the algorithm with regard to the type of data. The previously used algorithms in this field, lacked acceptable recognition and had inappropriate speed. The main purpose of this paper is to present an appropriate algorithm to recognize the targets in SAR images which is used by aircrafts, planes, and satellites that observe the target on the ground. It is tried to choose an algorithm that is more adaptive to the distribution of local optima and the proportion of the public data. With regard to the distribution of data, PSO algorithm is relatively suitable considering the point that the most important shortcoming of PSO is to get stuck at local optimum. Accordingly, to remove this shortage GAPSO algorithm is presented in this paper. The results show that the suggested method enjoys more speed and accuracy in comparison with the other suggested methods.