کلاسه بندی کشتی در تصاویر SAR با استفاده از کلاسیفایر جدید ترکیبی CNN-MLP
Publish Year: 1397
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 427
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ECMM01_077
تاریخ نمایه سازی: 23 آذر 1397
Abstract:
تشخیص کشتی در تصاویر SAR برای امور دریایی، کاربردهای گستردهای دارد. تکنولوژی SAR بدون وابستگی به شرایط جوی و یا بدون در نظر گرفتن زمان تصویربرداری (روز یا شب)، کمک می کند تا مشاهده و نظارت دقیق تری بر مناطق مورد نظر انجام شود. در سال های اخیر با پیشرفت شبکه های عصبی پیچشی که یکی از روش های شناخته شده یادگیری عمیق است و بر اساس ویژگی های عمیق تصاویر عمل می کند، استفاده از آنها برای بخش بندی تصاویر SAR افزایش یافته است. وجود لبه های کلاتر، اهداف متداخل، اسپکل و کلاتر سطح دریا باعث ایجاد آلارم های خطا و تشخیص نادرست در الگوریتم های آشکارساز می شود. در این مقاله، از الگوریتم شناخته شده ی نرخ خطای ثابت CFAR برای تشخیص اشیا استفاده می شود. این الگوریتم تصویر را به شکل پیکسل به پیکسل واکاوی می کند و بر اساس اطلاعات آماری همسایگی آن، پیکسل های هدف را مشخص می کند. سپس یک شبکه عصبی با الگوریتم ترکیبی از شبکه عصبی پیچشی و شبکه پرسپترون چند لایه CNN- MLP(convolutional neural network-multilayer perceptron) برای کلاسه بندی تصویر پیشنهاد می شود. طرح پیشنهادی با تصاویر واقعی گرفته شده از ماهواره های Sentinel-1 و RADATSAT-2 آموزش داده شده است و عملکرد مناسب تری برای کلاسه بندی اهداف در مقایسه با state-of-the-art دارد.
Keywords:
Authors
فروغ شریف زاده
گروه برق دانشکده مهندسی دانشگاه شهید چمران اهواز
غلامرضا اکبری زاده
گروه برق دانشکده مهندسی دانشگاه شهید چمران اهواز
یوسف صیفی کاویان
گروه برق دانشکده مهندسی دانشگاه شهید چمران اهواز