در این مقاله، یک روش طبقه‌بندی نظارت نشده به کمک اطلاعات همسایگی، برای طبقه‌بندی تصاویر پلاریمتریک SAR ارائه‌شده است. ابتدا با استفاده از الگوریتم تجزیه هدف Cloude & Pottier یک طبقه‌بندی نظارت نشده بر مبنای فضای H/▁α صورت پذیرفت. خروجی این طبقه‌بندی را، به‌منظور همگرایی سریع الگوریتم، برای محاسبه مقادیر اولیه مراکز خوشه‌ها در الگوریتم اصلی در نظر گرفتیم. سپس، با استفاده از تابع تمایز استخراج شده از تئوری بیز، طبقه‌بندی را با معیار MAP انجام دادیم. در معیار MAP، از توزیع ویشارت به‌عنوان توزیع داده‌های PolSAR و مدل‌سازی اطلاعات همسایگی با الگوریتم میدان‌های تصادفی مارکوف، برای محاسبه احتمال اولیه کلاس‌ها، استفاده شد. برای افزایش قدرت تفکیک‌پذیری کلاس‌ها، به‌طور همزمان از اطلاعات دو تصویر مربوط به دو فصل مختلف، استفاده کردیم. دقت کلی طبقه‌بندی برای دو روش ویشارت و روش پیشنهادی بر مبنای معیار Purity به‌ترتیب برابر با 70% و 82% حاصل شد. تصاویر استفاده شده مربوط به ماهواره RADARSAT-2 از یک منطقه جنگلی به‌نام Petawawa در کشور کانادا، بودند.
درگاهی, اکبر, مقصودی, یاسر, & آبکار, علی اکبر. (1392). طبقه‌بندی نظارت نشده تصاویر پلاریمتریک SAR با استفاده از مکانیسم پراکندگی و میدان‌های تصادفی مارکوف. رادار, 1(1), 12-.
MLA
اکبر درگاهی; یاسر مقصودی; علی اکبر آبکار. "طبقه‌بندی نظارت نشده تصاویر پلاریمتریک SAR با استفاده از مکانیسم پراکندگی و میدان‌های تصادفی مارکوف", رادار, 1, 1, 1392, 12-.
HARVARD
درگاهی, اکبر, مقصودی, یاسر, آبکار, علی اکبر. (1392). 'طبقه‌بندی نظارت نشده تصاویر پلاریمتریک SAR با استفاده از مکانیسم پراکندگی و میدان‌های تصادفی مارکوف', رادار, 1(1), pp. 12-.
VANCOUVER
درگاهی, اکبر, مقصودی, یاسر, آبکار, علی اکبر. طبقه‌بندی نظارت نشده تصاویر پلاریمتریک SAR با استفاده از مکانیسم پراکندگی و میدان‌های تصادفی مارکوف. رادار, 1392; 1(1): 12-.
)