జర్నల్ ఆఫ్ ఫిజికల్ కెమిస్ట్రీ & బయోఫిజిక్స్
అందరికి ప్రవేశం
ISSN: 2161-0398
ISSN: 2161-0398
Mohsen Darvishnezhad
పొలారిమెట్రిక్ సింథటిక్ ఎపర్చరు రాడార్ (PolSAR) ఇమేజ్ వర్గీకరణ అనేది రిమోట్ సెన్సింగ్‌లో అత్యంత ముఖ్యమైన అప్లికేషన్‌లలో ఒకటి. ఈ పేపర్‌లో, లక్ష్యం PolSAR ఇమేజ్ వర్గీకరణ మరియు PolSAR ఇమేజ్ వర్గీకరణ మరియు గుర్తింపు కోసం ఉత్తమ ఫలితాన్ని పొందేందుకు ఒక పద్ధతిని కూడా పరిచయం చేయడం. ఈ కథనంలో, PolSAR ఇమేజ్‌ల వెలికితీతను ఫీచర్ చేయడానికి మరియు PolSAR ఇమేజ్ వర్గీకరణ కోసం అధిక ఖచ్చితత్వంతో ఉత్తమ ఫలితాన్ని పొందడానికి మేము 3D-Gabor ఫిల్టర్‌లను అందిస్తున్నాము. అలాగే, PolSAR చిత్రాల వర్గీకరణ కోసం సాంప్రదాయ పద్ధతుల కంటే 3D-Gabor ఫిల్టర్ విధానం అధిక ఖచ్చితత్వాన్ని పొందగలదని మేము నిరూపిస్తున్నాము, అయితే 3D-Gabor ఫిల్టర్‌ల యొక్క అతి ముఖ్యమైన సవాళ్లలో ఒకటి వాటి నుండి సంగ్రహించబడిన లక్షణాల సంఖ్య. అందువల్ల, 3D-Gabor ఫిల్టర్‌ని ఉపయోగించడం ద్వారా డైమెన్షియాలిటీ యొక్క శాపం కారణంగా మనం సరైన ఫలితాన్ని చేరుకోలేము. కాబట్టి, ఉత్తమ ఫలితాలను సాధించడానికి మేము 3D-Gabor ఫిల్టర్‌ల నుండి సంగ్రహించబడిన లక్షణాలను తగ్గించే పద్ధతిని ప్రతిపాదిస్తాము. మా ప్రతిపాదిత పద్ధతిని ఉపయోగించడం ద్వారా, లక్షణాలు చిన్న పరిమాణాలతో కొత్త స్థలానికి మ్యాప్ చేయబడతాయి. చివరికి, ప్రయోగాత్మక ఫలితాలు ప్రతిపాదిత పద్ధతి యొక్క ఆధిపత్యాన్ని సూచిస్తాయి.