ادغام اطلاعات مکانی تصویرآیکونوس و اطلاعات طیفی تصاویر اسپات4

Authors

محمد حسن قاسمیان یزدی

مصلح الیاسی

abstract

توسعه فناوری ماهواره های سنجش از دور، قابلیت زیادی در تولید تصاویر چند طیفی ایجاد کرده است. این تصاویر ویژگی های مکانی، طیفی و رادیومتری مختلفی دارند. امکان اخذ تصاویری که هم دقت طیفی و هم دقت مکانی بالایی داشته باشند، به دلیل محدودیت های عملی در ساخت سنجنده ها امکان پذیر نمی باشد. برای غلبه بر این مشکل می توان از فرایند ادغام تصاویر استفاده کرد. در این فرایند، اطلاعات مکانی از تصاویر با قدرت تفکیک مکانی بالا و اطلاعات طیفی از تصاویر با دقت طیفی بالا استخراج و با یکپارچه کردن آنها، تصویری با دقت مکانی و طیفی بالا ایجاد می شود. ادغام اطلاعات موجب افزایش کاربری آن شده، به نحوی که می توان به تصویر جدید با اطلاعات جامع تر دسترسی پیدا کرد. فرایند ادغام ایدئال فرایندی است که سبب تخریب اطلاعات طیفی نشده و ویژگی های طیفی را به طور کامل حفظ و خواص مکانی را به تصاویر چند طیفی اضافه کند. روش ها و الگوریتم های موجود برای ادغام تصاویر ماهواره های جدید به دلیل تغییراتی که در ماهواره ها صورت گرفته، کارایی لازم را ندارند (امکان ادغام تصاویر با نسبت دقت مکانی بیش از 6 را ندارند). در این صورت فراهم کردن روش های جدید ادغام برای تصاویر با نسبت دقت مکانی بالا (بیش از 10) لازم و ضروری می باشد. در این مقاله الگوریتم جدیدی برای ادغام اطلاعات مکانی تصویر ikonos با دقت مکانی یک متر و اطلاعات طیفی تصاویر spot با دقت مکانی 20 متر، معرفی شده است (نسبت دقت مکانی 20). این الگوریتم در سطح ویژگی بوده و براساس مدل شبکیه چشم می باشد. مقایسه نتایج با چند الگوریتم مشهور ihs، hpf، pca، موجک، و روش هیبرید موجک-pca بر روی این تصاویر انجام شد. ارزیابی کیفی و کمی اطلاعات مکانی و طیفی تصاویر ادغام شده صورت گرفت، نتایج مؤید بهینه بودن الگوریتم پیشنهادی نسبت به روش های مذکور، از نظر حفظ اطلاعات طیفی و مکانی می باشد. یکی از ویژگی های بارز این روش پیشنهادی نیاز نداشتن به فرایند نمونه برداری مجدد است که در تمامی روش های قبلی اجتناب ناپذیر بوده و یک فرایند مخرب اطلاعات مکانی محسوب می شود.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهبود طبقه بندی طیفی-مکانی تصاویر ابرطیفی با به کارگیری اطلاعات مکانی در انتخاب نشانه ها

فنآوری سنجش از دور ابرطیفی دارای کاربردهای فراوان در طبقه‌ بندی پوشش‌ های زمین و بررسی تغییرات آنها است. معمولترین روش جهت طبقهبندی تصاویر ابرطیفی، طبقه‌ بندی مبتنی بر پیکسل بوده که در آن هر پیکسل فقط با اطلاعات طیفی خود و بدون در نظر گرفتن پیکسل های همسایه، به کلاس مشخصی اختصاص می‌ یابد. پیشرفتهای اخیر و ایجاد تصاویری با قدرت تفکیک مکا...

full text

شناسایی زیرفضای سیگنال و استخراج عضوهای خالص با ادغام اطلاعات طیفی مکانی برای بهبود جداسازی طیفی تصاویر ابرطیفی

طبقه بندی پیکسل های مختلط فرآیندی است که سعی دارد نوع و سهم هر یک از مولفه های خالص موجود در پیکسل ها را برآورد کند به دلیل وجود پیکسل های مختلط در تصاویر ابرطیفی، دقت طبقه بندی در این تصاویر با روش های معمول طبقه بندی کاهش می یابد. یکی از روش های متداول برای طبقه بندی پیکسل های مختلط در تصاویر ابرطیفی، جداسازی طیفی است که به کاربران امکان استخراج اطلاعات را در سطح زیرپیکسل می دهد. جداسازی طیفی...

استفاده از تبدیل PCA مکانی جهت ادغام تصاویر چند طیفی و تک رنگ

Obtaining of an image with high spectral and spatial resolution is the goal of image fusion. The PCA is a well-known pan-sharpening approach widely used for its efficiency and high spatial resolution. However, it can distort the spectral characteristics of the multispectral images. To avoid the weak points of the standard PCA technique, Spatial PCA transform has been proposed and the reasons of...

full text

افزایش اطلاعات مکانی تصاویر سنجش از دور با استفاده از ادغام تصاویر چندطیفی و تکرنگ

در سیستمهای سنجش از دور، تصاویر در گستره متفاوت طیف الکترومغناطیس و با دقت مکانی متفاوت اخذ می شوند. به منظور دریافت انرژی بیشتر و جلوگیری از کاهش نسبت سیگنال به نویز، تصاویر چندطیفی با دقت طیفی بالا، دارای دقت مکانی پایینی هستند و تصاویر تک رنگ با دقت مکانی بالا گستره طیفی وسیعتری دارند. با کمک ادغام تصاویر بدست آوردن تصویری با دقت مکانی بالا و اطلاعات طیفی مناسب امکان پذیر است. طراحی ضرایب ب...

ترکیب روش های تحلیل مولفه اصلی مکانی و تحلیل مولفه اصلی طیفی به منظور ادغام تصاویر چند طیفی و تکرنگ

روش ادغام تصویر ایده ال، اطلاعات مکانی را بدون تخریب اطلاعات طیفی، به تصاویر چندطیفی اضافه می­کند. تحلیل مولفه اصلی یکی از روشهای مشهور است که به دلیل بازده­ای و حفظ اطلاعات مکانی بالا پرکاربرد است. اگر چه این روش منجر به تخریب اطلاعات طیفی می­شود.  در این مقاله روشی نوین بر مبنای همان مفهوم ارائه شده است. در روش تحلیل مولفه اصلی متداول، تبدیل بر روی باندهای تصاویر چند طیفی اعمال می­شد، اما در ...

full text

My Resources

Save resource for easier access later


Journal title:
برنامه ریزی و آمایش فضا

Publisher: دانشگاه تربیت مدرس

ISSN 1605-9689

volume 14

issue 1 2010

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023