SAR 이미지의 퍼지 신경 분류를 위한 완전 편극 정보의 사용

완전 편극 정보를 사용하여 합성 개구 레이더(SAR) 이미지의 지형 및 토지 이용 분류를 위한 퍼지 신경망 기반 방법을 제시합니다. 제안된 접근법은 편극 데이터의 통계적 속성을 활용하고 퍼지 신경망의 장점을 이용합니다. 복잡한 Wishart 분포를 기반으로 한 거리 측정이 퍼지 c-평균 군집화 알고리즘을 사용하여 적용되며, 군집화 결과는 신경망에 통합됩니다. 특성 벡터를 형성하기 위해 편극 채널을 미리 선택하는 대신, 편극 공분산 행렬의 모든 요소가 신경망의 입력으로서 대상 특성 벡터 역할을 합니다. 따라서 신경망이 이미지 분류를 위해 완전 편극 후방 산란 정보를 포함할 것으로 기대됩니다. 신경망의 일반화, 적응 및 기타 기능을 통해 진폭, 위상 차이, 편극 정도 등의 공분산 행렬에 포함된 정보를 완전히 탐색할 수 있습니다. 제안된 방법의 장점을 입증하기 위해 Jet Propulsion Laboratory Airborne SAR(AIRSAR) 시스템으로 획득한 테스트 이미지가 사용됩니다. 제안된 접근법이 지형 피복 분류를 위한 완전 편극 SAR의 적응성과 유연성을 크게 향상시킬 수 있음을 보여줍니다. 퍼지 c-평균(FCM)과 빠른 일반화 동적 학습 신경망(DLNN) 기능의 통합은 제안된 알고리즘을 편극 SAR 분류를 위한 매력적이고 대안적인 방법으로 만듭니다.