بهبود قطعه‌بندی تصاویر پلاریمتری با رویکرد ترکیبی تکنیک‌های ناحیه‌مبنا و مرزمبنا

سنجنده‌های رادار با روزنه مجازی، با داشتن ویژگی‌های گسترده، پتانسیل بسیاری در انواع کاربردهای سنجش از دوری دارند؛ ازجمله در قطعه‌بندی به‌هنگام پوشش و کاربری اراضی. با وجود دو رویکرد مستقل قطعه‌بندی ناحیه‌مبنا و مرزمبنا، به‌دست‌آوردن نتایج رضایت‌بخش در صورت استفاده از هریک از رویکردها در تصاویر sar دشوار بوده است؛ درحالی‌که می‌توان با استفاده از اطلاعات مکمل هر دو روش، محدودیت‌های موجود را برطرف کرد و نتایج حاصل را بهبود بخشید. در این پژوهش، روش نوینی در قطعه‌بندی با استفاده از تصاویر پلاریمتری sar و با هدف بهبود نتایج قطعه‌بندی مطرح شده که از ادغام هر دو رویکرد بهره گرفته است. روش پیشنهادی felzenszwalb به‌منزله الگوریتم پیشنهادی ناحیه‌مبنا، از مجموعه روش‌های سوپرپیکسل، با دو روش quickshift و slic مقایسه شد. نتیجه مشخص کرد که روش پیشنهادی توانسته است از قطعه‌بندی بیش‌ازحد تصویر جلوگیری کند و کارآیی آنالیز قطعه‌بندی را افزایش درخور توجهی بخشد. روش پیشنهادی قطعه‌بندی مرزمبنای آنتروپی شانون نیز، در مقایسه با دو روش گرادیان‌مبنای کنی و لاپلاسین، مرزهای قطعات تصویری را تا اندازه ‌چشمگیری حفظ کرده است. مقایسه نتایج حاصل از اجرای این روش با داده‌های مرجع، مقادیر 10/39% و 11/25% را درمورد خطای کل، به‌ترتیب برای تصویر زمان اول و دوم، نشان می‌دهد. خطای کل، در مقایسه با عملکرد دو روش دیگر، 5/81 و 9/73% در تصویر اول و 11/16 و 13/86% در تصویر دوم بهبود داده شده است. در نهایت، ادغام دو رویکرد پیشنهادی قطعه‌بندی سبب شده است بهبود دقت در قطعه‌بندی تصویر پلاریمتری دستاورد مهم این پژوهش محسوب شود.

Improving the Segmentation of Polarimetric Images with a Combined Approach of RegionBased and Boundary-Based Techniques

Synthetic aperture radar (SAR) sensors with various properties offer potential in various remote sensing applications, such as land cover and land use segmentation. Despite the two independent approaches of regionbased segmentation and boundarybased segmentation, it isn’t easy to obtain satisfactory results if either process is used in SAR images. In contrast, complementary information can be obtained using both regionbased and boundarybased segmentation methods, removing existing limitations and improving results.In this research, with the help of polarimetric SAR images, a new segmentation method is presented, aiming to improve segmentation results by combining the two regionbased and boundarybased approaches. From the set of superpixel methods, the Felzenszwalb method as a proposed regionbased algorithm is compared with Quickshift and SLIC methods. The proposed method was able to prevent oversegmentation of the image and significantly increased the efficiency of segmentation analysis. Also, as the proposed method of boundarybased segmentation, Shannon entropy has considerably preserved the boundaries of the image segmentation compared to the two gradientbased methods, Canny and Laplacian. Comparison of the results of this method with reference data shows the total error of 10.39% and 11.25% for the first and secondtime images, respectively. Compared to the performance of the other two methods, the absolute error has been decreased to 5.81% and 9.73% in the first image, and 11.16% and 13.86% in the second image, respectively. Finally, as a significant achievement of this research, integrating the two proposed segmentation algorithms improves the accuracy of polarimetric image segmentation.