Оценка методов подавления засветки и анализа текстуры для классификации покрытий земли по РСИ

В статье представлена сравнительная оценка нескольких методов подавления засветки (speckle) и анализа текстуры с особым вниманием к их применимости для контролируемой (supervised) классификации покрытий земли по радиолокационным изображениям с синтезированной апертурой (SAR). Рассматриваются вопросы подавления засветки в однородных областях, сохранения границ и сохранения текстурных характеристик при применении фильтров. Качество текстурных признаков оценивается по релевантности, дискриминационной способности и простоте вычисления. Дискриминационная способность признаков измеряется с помощью расстояния Джеффриса–Матуситы (Jeffreys–Matusita), а качество классификации оценивается на валидационном наборе, независимом от обучающего множества классификатора. Рассмотренные классификаторы включают метод максимального правдоподобия, многослойный персептрон (MLP) и нейронную сеть с радиальной базисной функцией (RBF). Точность классификации измерялась статистикой KHAT, вычисленной по матрицам ошибок. Для анализа использованы два SAR-изображения программ ERS-1 и E-SAR, демонстрирующие различные категории земного покрова в районах Дуала и Нгаундере (Камерун), а также биполяризованное SAR-изображение с сельскохозяйственной станции вблизи города Алтона (Канада). Лучшие результаты по подавлению засветки показывают методы на основе вейвлет-преобразования, за ними следуют модифицированный метод K-ближайших соседей и фильтры на основе локальной статистики Ли. В зависимости от природы типов земного покрова наилучшие текстурные признаки получаются из гистограмм второго и третьего порядка, затем идут признаки первого порядка и признаки, полученные методом вектора разностей уровней серого. Среди рассмотренных классификаторов наилучшие результаты показывают нейронные сети MLP и RBF, достигая, например, до 94% общей точности для E-SAR-изображения Дуала.