بخش بندی تصاویر SAR با استفاده از آموزش شبکه عصبیه به وسیله الگوریتم کلونی زنبورهای عسل

آنالیز و تفسیر تصاویر SAR عموماً شامل نوعی کلاس بندی و یا بخش بندی است . مواردی مانند نویزلکه ای، زاویه برخورد و ... موانعی بر سر راه آنالیز خودکار این تصاویر هستند. در سال های اخیر مقالات مختلفی در جهت بهبود بخش بندی این تصاویر صورت گرفته است. اما با وجود بخش بندی تصاویر راداری هنوز چالش بزرگی برای سیتسم های خودکاراست. در این مقاله روشی جدیدی جهت بخش بندی تصاویر SAR ارائه شده است که قابلیت رقابت با کارایی انسان را دارد. در این مقاله از الگوریتم کلونی زنبورهای عسل برای آموزش شبکه عصبی و در نهایت بخش بندی تصاویر SAR با استفاده از شبکه حاصل استفاده شده است. برای بخش بندی تصاویر از یک شبکه عصبی پرسپترون 2 لایه با 30 نرون در لایه مخفی استفاده کرده ایم. برای آموزش شبکه از الگوریتم کلونی زنبورهای عسل استفاده شده است. به این صورت که ضرائب شبکه عصبی با استفاده از الگوریتم کلونی زنبورهای عسل بهینه شده اند. برای این کار از ضرائب تصادفی شروع کرده و با در نظر گرفتن درصد صحت به دست آمده از بخش بندی تصویر با استفاده از شبکه حاصل ، ضرائب مرحله بعد را محاسبه کره ایم.