طبقه بندی تصاویر پلاریمتری رادار مبتنی بر ماشین بردار پشتیبان و الگوریتم جستجوی گرانشی دودویی

هدف از این پژوهش ارایه یک روش بهینه بهه منظور طبقه بندی تصاویر رادار پلاریمتری است. روش پیشنهادی تلفیقی از ماشین بردار پشتیبان و الگوریتم بهینه سازی جستجوی گرانشی دودویی است. در این راستا، ابتدا مجموعه ای از ویژگی های پلاریمتریک شامل مقادیر داده اصلی، ویژگی های تجزیه هدف و تفکیک کننده های SAR از تصاویر استخراج می شوند؛ سپس به منظور انتخاب ویژگی های مناسب و تعیین پارامترهای بهینه برای طبقه بندی کننده ماشین بردار پشتیبان از الگوریتم جستجوی گرانشی دودویی استفاده شده است. به منظور دست یابی به یک سامانه طبقه بندی با دقت طبقه بندی بالا، انتخاب مقادیر بهینه پارامترهای مدل و زیرمجموعه ای از ویژگی های بهینه، به طور هم زمان انجام می پذیرد. نتایج پیاده سازی الگوریتم پیشنهادی با دو حالت، در نظر گرفتن تمام ویژگی های انتخاب شده، و الگوریتم ژنتیک، قیاس شده که نتایج حاصل از تفکیک نواحی برای سه ناحیه مورد بررسی قرار گرفته است. تفکیک نواحی برای مناطق سانفرانسیسکو و مانیل، و تشخیص لکه نفتی سطح اقیانوس منطقه فیلیپین مورد ارزیابی قرار گرفته که به ترتیب با بهبود دقت کلی تقریبی 12، 7 و 5/6 درصد در قیاس با الگوریتم ژنتیک بهبود داشته است.