دانلود شبیه سازی مقاله تشخیص لبه مبتنی بر شبکه عصبی در تصاویر راداری دو قطبی

تشخیص لبه با شبکه عصبی

تصویربرداری «رادار منفذ سنتزی یا رادار دیافراگم مصنوعی» (SAR)، به یک ابزار سنجش از راه دور مفید برای کاربردهای متعدد تبدیل شده است. این بخاطر چندین مزیت سیستم های SAR مدرن، مانند توانایی استخراج داده ها در همه شرایط آب و هوایی در طی روز و شب، بجای دقت فضایی زیاد و غیره می باشد. در عین حال، تصاویر برداشت شده و اکتساب شده، از پدیده ای شبیه به نویز به نام لکه (speckle) رنج می برد و وجود آن باعث مسائلی در مراحل مختلف پردازش تصویر از جنبه تفسیر، تشخیص جسم، دسته بندی، بخش بندی و فیلترینگ، بوجود می آورد.

چندین آشکارساز لبه متداول و آشکارساز لبه NN طراحی شده بر مبنای آنها مورد ملاحظه قرار می گیرند. نشان داده شده که آشکار ساز لبه NN، بهبود عملکرد آشکار سازی را ممکن می سازد. این امر برای تصاویر پردازش نشده و از پیش فیلتر شده رخ می دهد. علاوه بر آن، این برای انواع مختلف تصاویر SAR شامل تصاویر چند جنبه ای (multi-look) و قطبش مضاعف (dual-polarization) ارائه شده به شکل طیفی، صدق می کند. بهبود عملکرد EED (قابل انجام با استفاده از پارامتر AUC) باعث عملکرد بهتر آشکارساز لبه NN می شود و در نتیجه باعث می شود برای مجموعه جدید EED های ورودی، مجدداً آموزش ببیند.

این شبیه سازی در نرم افزار متلب (MATLAB) انجام شده و در ادامه نیز تعدادی از نتایج خروجی آن قرار داده شده است: