[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 3، شماره 2 - ( 6-1394 ) ::
جلد 3 شماره 2 صفحات 75-88 برگشت به فهرست نسخه ها
ارائه یک روش انتخاب ویژگی براساس الگوریتم ژنتیک و درخت تصمیم به‌منظور طبقه‌بندی تصاویر تمام پلاریمتریک راداری
ایمان خسروی ، میرمجید موسوی، جلال امینی
دانشجوی دکتری دانشگاه تهران
چکیده:   (2786 مشاهده)

یک تصویر تمام پلاریمتریک راداری (POLSAR) قادر است ویژگی­های پلاریمتریک مهمی برای طبقه­بندی پوشش زمینی فراهم کند. این ویژگی­ها می‌توانند پارامترهای مستخرج از ماتریس پراکنش، کواریانس و همدوسی یا پارامترهای مستخرج از روش­های تجزیه هدف یا هر دو دسته باشد. در این مقاله، ویژگی­های پلاریمتریک فراوانی از یک تصویر POLSAR استخراج می­شود. سپس با استفاده از الگوریتم ژنتیک (GA) و درخت تصمیم (DT)، یک روش انتخاب ویژگی مبتنی بر طبقه­بندی ارائه می­شود. پس از آن، طبقه‌بندی کننده DT با ویژگی­های انتخابی از روش پیشنهادی با طبقه­بندی­کننده DT با تمام ویژگی­ها مقایسه می­شود. علاوه بر این، روش پیشنهادی با روش انتخاب ویژگی GA و ماشین بردار پشتیبان (SVM) نیز مقایسه می­شود. نتایج نشان داد که دقت روش پیشنهادی (DT با ویژگی­های منتخب از GA-DT) حدوداً 3 درصد بیشتر از دقت روش DT با تمام ویژگی­ها و تقریباً نزدیک به دقت روش DT  با ویژگی­های منتخب از GA-SVM شد. این درحالی­است، که سرعت عملکرد روش پیشنهادی تقریباً 5 برابر بیشتر از سرعت عملکرد روش DT با ویژگی­های منتخب از GA-SVM شد. به­عنوان یک نتیجه­ی دیگر، ویژگی­های منتخب از روش پیشنهادی موفقیت بیشتری در تفکیک کلاس­های شهری و پوشش گیاهی نسبت به ویژگی­های دو روش دیگر داشتند.

واژه‌های کلیدی: انتخاب ویژگی، الگوریتم ژنتیک (GA)، درخت تصمیم (DT)، طبقه‌بندی، تصاویر تمام پلاریمتریک، رادار
متن کامل [PDF 1050 kb]   (855 دریافت)    
نوع مطالعه: پژوهشي |
دریافت: ۱۳۹۴/۱۲/۲۱ | پذیرش: ۱۳۹۴/۱۲/۲۱ | انتشار: ۱۳۹۴/۱۲/۲۱
فهرست منابع
1. [1] C. Lardeux, P-L. Frison, C. Tison, J-C. Souyris, B. Stoll, B. Fruneau, and J-P. Rudant, "Support vector machine for multifrequency SAR polarimetric data classification," IEEE Trans. Geosci. Remote Sens., vol. 47, no. 12, pp. 4143–4152, 2009. [DOI:10.1109/TGRS.2009.2023908]
2. [2] J.A. Kong, A.A. Swartz, et al. "Identification of terrain cover using the optimal terrain classifier," J. Electromagn. Waves Applicat. vol. 2, pp. 171–194, 1988.
3. [3] J.J. Van Zyl and C.F. Burnette, "Baysian classification of polarimetric SAR images using adaptive a apriori probability," Int. J. Remote Sens. vol. 13, no.5, pp. 835–840, 1992. [DOI:10.1080/01431169208904157]
4. [4] E. Rignot, R. Chellappa, and P. Dubois, "Unsupervised segmentation of polarimetric SAR data using the covariance matrix," IEEE Tran. Geosci. Remote Sens. vol. 30, no. 4, pp. 697–705, July 1992. [DOI:10.1109/36.158863]
5. [5] J.S. Lee, M.R. Grues, and R. Kwok, "Classification of multi-look polarimetric SAR imagery based on complex wishart distribution," Int. J. Remote Sens. vol. 15, pp. 2299–2311, 1994. [DOI:10.1080/01431169408954244]
6. [6] L. Ferro-Famil, E. Pottier, and J.S. Lee, "Unsupervised classification of multifrequency and fully polarimetric SAR images based on H/A/Alpha-wishart classifier," IEEE Trans. Geosci. Remote Sens. vol. 39, no. 11, pp. 2332–2342, November 2001. [DOI:10.1109/36.964969]
7. [7] T. Moriyama, S. Uratsuka, T. Umehara, M. Satake, A. Nadai, H. Maeno, K. Nakamura, and Y. Yamaguchi, "A study on extraction of urban areas from polarimetric synthetic aperture radar image," in Proc. of IGARSS'04, vol.1, pp.703–706, 2004.
8. [8] C.J. Song, S. Yun, and L. Hui, "Classification of polarimetric SAR imagery based on target decomposition and neural network classifier," In Proc. of ACRS '04, November, 2004.
9. [9] V. Alberga, "Comparison of polarimetric methods in image classification and SAR interferometry applications," Ph.D. dissertation, Tech. Univ. Chemnitz, Chemnitz, Germany, 2005.
10. [10] C. Lardeux, P.-L. Frison, J.-P. Rudant, J.-C. Souyris, C. Tison, and B. Stoll, "Use of the SVM classification with polarimetric SAR data for land use cartography," in Proc. ofIGARSS'06, July 31- August 04, Denver, Colorado, 2006. [DOI:10.1109/IGARSS.2006.131]
11. [11] I. Khosravi, and M. Mohammad-Beigi, "Multiple classifier systems for hyperspectral remote sensing data classification," J. the Indian Society of Remote Sens., 42(2), pp. 423–428, 2014. [DOI:10.1007/s12524-013-0327-7]
12. [12] Y. Maghsoudi, M.J. Collins, and D.G. Leckie, "Radarsat-2 polarimetric SAR data for Boreal forest classification using SVM and a wrapper feature selector," IEEE J. Selected Topics in Appl. Earth Observ. Remote Sens., vol. 6, no. 3, pp. 1531–1538, 2013. [DOI:10.1109/JSTARS.2013.2259219]
13. [13] A. Haddadi, M.R. Sahebi, and A. Mansourian, "Polarimetric SAR feature selection using a genetic algorithm," Canadian J. Remote Sens., vol. 37, no. 1, pp. 27–36, 2011. [DOI:10.5589/m11-013]
14. [14] M. Salehi, M.R. Sahebi, and Y. Maghsoudi, "Improving the accuracy of urban land cover classification using Radarsat-2 POLSAR data," IEEE J. Selected Topics in Appl. Earth Observ. Remote Sens., vol. 7, no. 4, pp. 1394–1401, 2014. [DOI:10.1109/JSTARS.2013.2273074]
15. [15] Z. Qi, A. G. Yeh, X. Li, and Z. Lin, "A novel algorithm for land use and land cover classification using RADARSAT-2 polarimetric SAR data," Remote Sens. Environ., vol. 118, pp. 21–39, 2012. [DOI:10.1016/j.rse.2011.11.001]
16. [16] L. Pipia, V. Alberga, M. Chandra, M. Migliaccio, and K.B. Khadra, "Quantitative assessment of the efficiency of supervised classification using coherent and incoherent polarimetric SAR observables," In Proc. of EUSAR 2002, pp. 729–732, Cologne, Germany, June 2002.
17. [17] V. Alberga and M. Chandra, "Analysis of amplitude ratios in SAR polarimetry," In Kleinheubacher Berichte 2000, pp. 527–534, Kleinheubacher, Germany, September 2000.
18. [18] T.A. Seliga, V.N. Bringni, and H.H. Al-Khatib, "Differential reflectivity measurements in rain: first experiments," IEEE Trans. Geosci. Remote Sens. vol. 17, no. 4, pp. 240–244, October 1979. [DOI:10.1109/TGE.1979.294652]
19. [19] J.C. Curlander, and R.N. McDonough, "Synthetic aperture radar, systems and signal processing," John Wiley and Sons, New York, USA, 1991.
20. [20] H. Aoki, M. Matsuoka, and F. Yamazaki, "Backscattering characteristics of airborne SAR images for seismic vulnerability assessment in urban areas," In Proc. of ACRS '99, November, 1999.
21. [21] S.V. Nghiem, S.H. Yueh, R. Kwok, and F.K. Li, "Symmetry properties in polarimetric remote sensing," Radio Science, vol. 27, no. 5, pp. 693–711, September 1992. [DOI:10.1029/92RS01230]
22. [22] H.A. Zebker, J.J. vanZyl, "Imaging radar polarimetry: a review," Proc. IEEE, vol. 79, no. 11, pp. 1583–1606, November 1991. [DOI:10.1109/5.118982]
23. [23] S.R. Cloude and E. Pottier, "A review of target decomposition theorems in radar polarimetry," IEEE Trans. Geosci. Remote Sens., vol. 34, pp. 498–518, Mar. 1996. [DOI:10.1109/36.485127]
24. [24] E. Krogager, "A new decomposition of the radar target scattering matrix," Electron. Lett., vol. 26, no. 18, pp. 1525–1526, 1990. [DOI:10.1049/el:19900979]
25. [25] A. Freeman and S. Durden, "A three-component scattering model to describe polarimetric SAR data," in Proceedings SPIE Conference on Radar Polarimetry, Vol. 1748, pp. 213–225, San Diego, CA, July 1992. [DOI:10.1117/12.140618]
26. [26] Y. Yamaguchi, T. Moriyama, M. Ishido, and H. Yamada, "Four-component scattering model for polarimetric SAR image decomposition," IEEE Trans. Geosci. Remote Sens., vol. 43, no. 8, pp. 1699–1706, August 2005. [DOI:10.1109/TGRS.2005.852084]
27. [27] J.S. Lee and E. Pottier, "Polarimetric radar imaging: from basics to applications," CRC Press, Taylor and Francis Group, New York, 2009. [DOI:10.1201/9781420054989]
28. [28] K.M. Rodriguez, J.K. Weissel, and Y. Kim, "Classification of landslide surfaces using fully polarimetric SAR: examples from Taiwan," In International Geoscience and Remote Sensing Symposium (IGARSS) 5:2918–2920, 2002. [DOI:10.1109/IGARSS.2002.1026821]
29. [29] B. Bhanu, and Y. Lin, "Genetic algorithm based feature selection for target detection in SAR images," Image and Vision Computing, vol. 21(7), pp. 591–608, July 2003. [DOI:10.1016/S0262-8856(03)00057-X]
30. [30] C. M., Bishop, "Pattern Recognition and Machine Learning," Springer, Second Edition, pp. 663–666, 2006.
31. [31] J. S. Lee, M. R. Grunes, and G. de Grandi, "Polarimetric SAR speckle filtering and its implication for classification," IEEE Trans. Geosci. Remote Sens., vol. 37, no. 5, pp. 2363–2373, 1999. [DOI:10.1109/36.789635]
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Khosravi I, Mousavi M M, Amini J. Presenting A Feature Selection Method Based On Genetic Algorithm and Decision Tree For Classifying Fully Polarimetric SAR Images. jgit. 2015; 3 (2) :75-88
URL: http://jgit.kntu.ac.ir/article-1-232-fa.html

خسروی ایمان، موسوی میرمجید، امینی جلال. ارائه یک روش انتخاب ویژگی براساس الگوریتم ژنتیک و درخت تصمیم به‌منظور طبقه‌بندی تصاویر تمام پلاریمتریک راداری. مهندسی فناوری اطلاعات مکانی. 1394; 3 (2) :75-88

URL: http://jgit.kntu.ac.ir/article-1-232-fa.html



دوره 3، شماره 2 - ( 6-1394 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 29 queries by YEKTAWEB 3742