تلفیق تصاویر رادار با روزنه مجازی و اپتیک با استفاده از تبدیل کرولت

ماهواره­ های سنجش از دور، داده­هایی با خصوصیات طیفی و مکانی مختلفی از سطح زمین جمع­آوری می­کنند که هرکدام بخشی از خصوصیات عوارض را نمایان می­سازند. گاهاً اطلاعات بدست آمده از یک سنجنده به تنهایی پاسخگوی نیازهای مورد نظر ما نیست. با وجود اینکه داده­های چند طیفی[1] اطلاعات غنی طیفی را از عوارض مختلف به ما می­دهد، اما به‌طور قابل توجهی تحت تأثیر عوامل محیطی مانند دود، مه، ابر و میزان نور خورشید قرار می­گیرد. برخلاف سنجنده­های اپتیک، سنجنده­های رادار با روزنه مجازی[2] (SAR) در همه نوع شرایط آب و هوایی و شبانه­روز توانایی اخذ داده را دارند. داده­های SAR می­توانند اطلاعات غنی از بافت و ساختار ارائه داده و به مؤلفه‌های شکل، جهت، زبری و رطوبت از عوارض روی زمین حساس است. اما تصاویر SAR نمی­توانند جزئیات و لبه اشیاء را به‌وضوح مشخص کنند. بنابراین ترکیب خصوصیات مختلف از تصاویر اپتیک و داده­های SAR با استفاده از تکنیک­های تلفیق تصویر، می­تواند یک دید کامل‌تر از تارگت موردنظر به ما دهد و دقت و اعتمادپذیری بالاتری برای نتیجه­های بدست آمده از این روش ارائه دهد. تبدیل کرولت، در تجزیه‌وتحلیل لبه­های منحنی شکل و دقت بالای آن برای تقریب و توصیف پراکندگی‌ها و جهت‌ها، در مقایسه با بسیاری از تبدیل­های دیگر در زمینه تجزیه و تحلیل اطلاعات تصویر و تلفیق تصاویر مناسب­تر است. با توجه به محدودیت قدرت تفکیک مکانی و زمانی برای تصاویر چندطیفی و محدودیت داده­های SAR برای کاربردهای شهری و طبقه­بندی و مناسب بودن تبدیل کرولت برای تلفیق این دو نوع داده، تلفیق این تصاویر باعث بهبود ضعف­های آن­ها می­شود. در این مقاله با استفاده از تبدیل کرولت[3]، تصاویر SAR و اپتیک را به فضای کرولت انتقال می­دهیم، سپس با روش میانگین وزن­دار در فضای کرولت تلفیق انجام می­گردد و در نهایت با اعمال تبدیل کرولت معکوس تصویر تلفیق شده بدست می­آید. بدین منظور داده­های منطقه­ای از شهر شیراز برای پیاده­سازی روش پیشنهادی استفاده شد. دو روش آماری و طبقه­بندی برای ارزیابی تصاویر تلفیق شده مورد استفاده قرار گرفت. برای مقایسه، روش پیشنهادی با دو روش تلفیق با استفاده از تبدیل IHS و wavelet استفاده شد. با استفاده از پارامترهای آماری انحراف معیار، آنتروپی، معیار فرکانس مکانی، ضریب همبستگی و اندکس کیفیت تصویر شاهد بهبود تصویر تلفیقی نسبت به روش­های دیگر هستیم. با توجه به اینکه دقت طبقه­بندی به میزان اطلاعات طیفی و مکانی تصویر بستگی دارد، به منظور ارزیابی تأثیر تلفیق در توان تفکیک طیفی و مکانی، تصاویر را طبقه­بندی می­کنیم. با طبقه­بندی تصویر اپتیک ورودی و تصویر تلفیقی، بهبود 4 درصدی دقت کلی طبقه­بندی و افزایش 0.05 ضریب کاپا نسبت به تصویر ورودی مشاهده شده است. نتایج بدست آمده نشان دهنده مناسب بودن الگوریتم پیشنهادی برای تلفیق تصاویر SAR و اپتیک است.   1 Multispectral 2 Synthetic Aperture Radar 3 Curvelet Transformation