تشخیص نواحی در تصاویر راداری sar با استفاده از ویژگی های مبتنی بر بافت

تحلیل تصاویر راداری یکی از بخش های مهم سنجش از دور است و یکی از مباحث آن تشخیص نواحی است که این نواحی می توانند متفاوت باشند. در این پایان نامه تلاش می کنیم نواحی خشکی از نواحی آبی و دریایی در تصاویر تشخیص دهیم. تشخیص نواحی در این جا بر اساس یک روش مبتنی بر بافت تصویر، به نام میدان تصادفی مارکوف است. اساسا این روش، فرض می کند که توزیع یک کمیت از نقاط مثلا سطح خاکستری آنها، در یک همسایگی مناسب یک نقطه دریافتی مشخص برای تمام آن تقریبا یکسان است بنابرانی با تحلیل توزیع سطح خاکستری نقاط همسایگی هر نقطه در تصویر می توان آن را تقطع نمود. کمیت های مختلفی از نقاط را می توانیم برای تحلیل بافت استفاده کنیم و این بستگی به نوع بافت تصویر دارد که به طور معمول، از سطح خاکستری تصویر استفاده می شود از آنجا که در اینجا نتیجه استفاده از سطح خاکستری قابل قبول نبود. سه روش دیگر را آزمودیم تا نتیجه خوبی به دست آوریم. ابتدا سطح خاکستری نقاط در تفاضل تصویر را آزمودیم و سپس از لایه های رنگی قرمز، سبز و آبی استفاده کردیم. هیچ یک از این روش ها به نتیجه قابل قبولی نرسیدند ایده سوم که به نتیجه بسیار بهتری رسید، اعمال یک عملگر لبه یابی با پارامتر مناسب بود به گونه ای که نقاط زیادی از تصویر به عنوان لبه اعلام شوند. سپس توزیع تعداد نقاط روی لبه را در همسایگی هر نقطه تحلیل کردیم. از آنجا که تصویر سطح آب معمولا کاملا صاف است نقاط کمی به عنوان لبه اعلام شدند. ولی در نواحی خشکی این گونه نبود. همچنین در مرحله پس پردازش برای بهبود نتایج از میدان تصادفی مارکوف دو مرحله ای و ریخت شناسی ریاضیاتی استفاده کردیم که نتیجه دومی بهتر بود. برای ارزیابی روش ها در تقطیع و دسته بندی نواحی، دو معیار ارایه شده است مبتنی بر معیار اول دقت چهار روش بحث شده در تقطیع تصویر، به ترتیب 7712/0 و 7451/0 و 7776/0 و 8909/0 و طبق معیار دوم 7780/0 و 7700/0 و 7818/0 و 8996/0 بود از آنجا که نتایج روش چهارم یعنی عملگر لبه یابی به مراتب بهتر از سه روش دیگر بود. در مرحله دسته بندی نیز از آن استفاده شد در این مرحله نیز طبق آن دو معیار، به ترتیب نتایج 9192/0 و 9302/0 را به دست آوردیم.