ارزیابی روش های طبقه بندی کننده ی داده های پلاریمتری رادار

چکیده مقاله

جمع آوری داده توسط سنجش از دور یک مرحله اساسی پایدار زمین می باشد یکی از پردازش های مهم و پر کاربرد بر روی تصاویر سنجش از دور طبقه بندی است از دیدگاه تصمیم گیری نقشه های حاصل از طبقه بندی می توانند مفید واقع شوند زیرا این الگوریتم ها اطلاعات پیچیده ی طیفی مکانی را در تعداد محدوده ی کلاس مورد نیاز خلاصه می کنند داده های پلاریمتری سار به دلیل دارا بودن اطلاعات غنی از محیط در چند دهه اخیر ه یکی از پر استفاده ترین داده های سنجش از دوری تبدیل شده اند به طور کلی برای طبقه بندی تصاویر پلاریمتریک از دو منبع اطلاعاتی شامل نوع مکانیزم پراکنش عوارض و توزیع اماری داده ها استفاده می شود در این مقاله داده ی رادارست 2 را به چند روش نظارت شده و نظارت نشده طبقه بندی و مقایسه می شوند معروف ترین توزیع آماری تصاویر پلاریمتری توزیع ویشارت بوده و طبقه بندی کننده ویشارت نیز یکی از روش های پایه برای طبقه بندی این تصاویر محسوب می شود در این مقاله این تکنیک با روش های ماشین بردار پشتیبان تجزیه فریمن و ون زیل مقایسه و نتایج آن ارزیابی شده است نتایج حاکی از ان است در تفکیک کلاس دو بازگشتی روش ماشین بردار پشتیبان و ون زیل بهتر از بقیه روش ها عمل کرده اند روش فریمن برای تفکیک کلاس باز پراکنش سطحی و ویشارت برای کلاس باز پراکنش حجمی مناسب ترند از نظر کمی و کیفی ون زیل عملکرد بهتری نسبت به روش های دیگر برای طبقه بندی دارد