يك آماره آزمون بر اساس توزيع ويشارت براي آشكارسازي نظارت نشده تغييرات در تصاوير رادار پلاريمتري چندمنظر

A Test Statistic Based on Wishart Distribution for Unsupervised Change Detection in Multilook Polarimetric Radar Data

در اين مقاله، يك روش نظارت نشده براي آشكارسازي تغييرات از طريق تصاوير چندزمانه رادار پلاريمتري ارايه گرديده است. يك فاصله ماتريسي به نام ويشارت تصحيح يافته بهعنوان يك آماره آزمون مورد استفاده قرارگرفته تا ميزان شباهت دادههاي رادار پلاريمتري چندمنظر مربوط به دو تصوير مورد ارزيابي قرار گيرد و يك روش حد آستانهگذاري بر اساس واريانس به تصوير آماره آزمون اعمال گرديده تا به نقشه نهايي بهينه تغييرات دست يابيم. نتايج الگوريتم روي دادههاي پلاريمتري شبيهسازيشده و همچنين دادههاي ماهوارهاي رادار پلاريمتري باند C كه دقت الگوريتم را تاييد ميكند، ارايه گرديده است. يافتهها نشان ميدهد كه با داشتن اطلاعات پلاريمتري از داده پلاريمتري كامل، دقت آشكارسازي 20/3 درصد نسبت به داده ماتريس كواريانس بدون اطلاعات همبستگي بين باندهاي پلاريمتري، بهبود خواهد داشت.

In this paper, an unsupervised method for change detection in the multitemporal multipolarization synthetic aperture radar (SAR) imagery is proposed. A matrix distance measure, named symmetric revised Wishart is used as a test statistic in order to assess the similarity of two multitemporal multilook polarimetric SAR data and a variance-based thresholding algorithm is applied to the test statistic image to obtain the final optimum change map. Experimental results, which confirm the accuracy of the proposed method for simulated polarimetric SAR data and RADARSAT-2 spaceborne imaging radar C-band images, are presented. The findings indicate that 20.3% higher detection accuracy is obtained using the multilook full polarimetric covariance data than the diagonal elements case of covariance matrices.