جستجو در تالارهای گفتگو

ارائه يک راهکار چند مرحله اي در تناظريابي تصاوير SAR نویسندگان: قنادي محمدامين*, سعادت سرشت محمد با توجه به کاربردهاي فراوان تصاوير SAR در توليد مدل رقومي زمين، بررسي ميزان جابه جايي سطح زمين و کشف تغييرات مي توان به ميزان اهميت بحث تناظريابي در تصاوير SAR پي برد. تناظريابي در اين تصاوير به علت وجود پديده هاي گوناگون هندسي از جمله سايه، همپوشاني و کوتاه شدگي در کنار نويزهاي مختلف که مهم ترين آنها نويز اسپيکل مي باشد، به مراتب پيچيده تر از تناظريابي در تصاوير اپتيکي است. از اين رو ارائه روشي کارآمد جهت انجام تناظريابي اين تصاوير مي تواند بسيار مفيد باشد. در اين مقاله ابتدا مراحل روش پيشنهادي توضيح داده شده است. اين مراحل شامل کاهش اثر نويز اسپيکل بر روي تصاوير، استخراج عوارض نقطه اي، تخصيص ويژگي به عوارض استخراج شده، تناظريابي محلي و در پايان انجام تناظريابي سراسري مي باشد. با توجه به شرايط تصاوير SAR، در مراحل ذکر شده از الگوريتم هاي موجود در فتوگرامتري و بينايي رايانه بهره برده شده است. در هر مرحله چندين الگوريتم مورد آزمون قرار گرفته و بر اساس مقايسه نتايج بدست آمده بهترين آن در الگوريتم پيشنهادي بکار گرفته شده است. جهت انجام آزمايش از جفت تصوير با طول باز بلند و جفت تصوير با طول باز کوتاه از منطقه جم استان بوشهر استفاده شده است که توسط سنجنده TerraSAR-X اخذ شده اند. نتايج آزمايش ها نشان مي دهد که روش پيشنهادي با دقت و اعتمادپذيري بالايي تعداد مناسبي از عوارض نقطه اي در دو تصوير را متناظر مي کند. اين روش تعداد 211 نقطه با دقت 1.9 پيکسل را براي تصاوير مورد آزمايش با طول باز بلند به ابعاد 700×700 پيکسل و تعداد 1603 نقطه با دقت 1.22 پيکسل را براي تصاوير مورد آزمايش با طول باز کوتاه به ابعاد 400×400 پيکسل متناظر مي کند. از اين روش مي توان جهت انجام coarse matching در تصاوير SAR بهره برد. منبع: [Hidden Content] دانلود: [Hidden Content] 7002413930202.pdf

برآورد بعد ذاتي در تصاوير ماهواره اي ابرطيفي نویسندگان: حسنلو مهدي*, صمدزادگان فرهاد با پيشرفت سنجنده هاي سنجش از دور طيفي با توانتفکيک طيفي بالا، تصاوير ابرطيفي ماهواره اي بطور وسيع به منظور نظارت بر سطح زمين به خدمت گرفته شده اند. بزرگي ابعاد اين تصاوير نه تنها باعث افزايش پيچيدگي محاسبات گرديده بلکه باعث کاهش دقت طبقه بندي تصوير نيز شده است. کاهش ابعاد يکي از اصلي ترين روش ها در تصاوير ابرطيفي براي بهبود دقت طبقه بندي است. معمول ترين روش در کاهش ابعد انتخاب عارضه مي باشد. بطور ايده آل کاهش نمايندگان يک مجموعه به کاهش ابعاد ذاتي آن مرتبط مي شود. روشهاي مختلفي براي برآورد بعد ذاتي و نيز کاهش ابعاد در تصاوير ابرطيفي در منابع وجود دارد. در اين مقاله به شرح و مقايسه پنج تکنيک برآورد بعد ذاتي پرداخته و کارايي اين تکنيک ها را به منظور طبقه بندي با نظارت تصاوير ابرطيفي بررسي و بحث کرده است. اين تکنيکها شامل برآوردکننده مقدار ويژه (EV)، برآوردکننده بيشترين شباهت (ML)، برآوردکننده بعد همبسته (CD)، برآوردکننده عدد بسته بندي (PN) و کمترين گشترش درخت ژئودزيک (GMST) مي باشد. روش طبقه بندي کننده نزديکترين همسايگي (K-NN) به منظور طبقه بندي بانظارت مورد استفاده قرار گرفته است. تعداد زيادي از فواصل متريک در اين طبقه بندي کننده مورد استفاده و مقايسه قرار گرفته است. پرکاربردترين روش هاي کاهش ابعاد مانند تحليل مولفه اصلي (PCA) و تحليل مولفه مستقل (ICA) در خروجي روش هاي برآورده گر بکار گرفته شده است. اين تحقيق نگاهي مقايسه اي و مروري بر روش هاي برآورده گر داشته و نيز عارضه هاي باندي استخراج شده را به منظور طبقه بندي مورد استفاده قرار داده است. منبع: [Hidden Content] دانلود: [Hidden Content] 7002413920309.pdf