روشی نوین برای بازآرایی اپی پلار تصاویر با هندسه خطی پوش بروم مبتنی بر مدل مراکز تصویر چندگانه

Authors

مجتبی جنتی

دانشگاه خواجه نصیرالدین طوسی محمدجواد ولدان زوج

دانشگاه خواجه نصیرالدین طوسی علی محمدزاده

دانشگاه خواجه نصیرالدین طوسی

abstract

نتیجه فرایند بازآرایی اپی پلار، تولید تصاویر شبه نرمال است که نقاط متناظر در آنها در امتداد سطرها یا ستون ها قرار می گیرند. برخلاف تصاویر نرمالِ حاصل از فرایند بازنمونه برداری اپی پلار، هیچ تضمینی برای تناسب پارالاکس موازی و ارتفاع نقاط متناظر در این تصاویر وجود ندارد. بااین حال، تولید تصاویر شبه نرمال می تواند انجام طیف وسیعی از کارهای فتوگرامتری نظیر تناظریابی، مثلث بندی هوایی خودکار، تولید مدل رقومی زمین، تولید ارتوفتو، و برجسته بینی را میسر سازد. در پژوهش حاضر، روش جدیدی مبتنی بر مدل مراکز تصویر چندگانه برای بازآرایی اپی پلار تصاویر خطی پوش بروم ارائه شد و روند بازآرایی برای دو سیستم تصویربرداری cross track و along track جداگانه بررسی گردید. اساس روش پیشنهادی، تصحیح مسیر حرکت و پارامترهای وضعیتی سنجنده توسعه یافته است. از مزایای این مدل می توان به امکان تصحیح اثر دید غیرقائم سنجنده به سبب تعبیرپذیری فیزیکی پارامترهای مدل اشاره کرد. برمبنای نتایج حاصل از ارزیابی دقت تصاویر شبه نرمال تولیدشده به روش پیشنهادی برای یک زوج تصویر استریوی cross track در سطح نقاط چک، متوسط پارالاکس قائم باقی مانده در سطح مدل 94/0 پیکسل به دست آمد، که می تواند مؤید صحت و کارایی مدل پیشنهادی باشد.      کلید واژه ها : فتوگرامتری، بازآرایی اپی پلار، تصویر شبه نرمال، تصاویر خطی پوش بروم، مدل مراکز تصویر چندگانه، تصحیح مسیر حرکت سنجنده.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

روشی جدید برای بازنمونه برداری اپی پلار تصاویر خطی پوش بروم مبتنی بر مدل پارامترهای مداری

در تصاویر نرمال که براساس هندسۀ اپی پلار بازنمونه برداری شده اند، نقاط متناظر در زوج تصویر در راستای یک سطر یا ستون اند و پارالاکس قائم نخواهند داشت. این ویژگی تصاویر نرمال را به منزلۀ پیش نیاز اصلی طیف وسیعی از کارهای فتوگرامتری نظیر تناظریابی، مثلث بندی هوایی خودکار، تولید مدل رقومی زمین، تولید ارتوفتو، و برجسته بینی مطرح کرده است. در این مقاله، روش جدیدی مبتنی بر استفاده از مدل پارامترهای مد...

full text

ارزیابی عملکرد مدل های پارامتریک و غیرپارامتریک در بازسازی هندسه اپی پلار تصاویر با هندسه خطی پوش بروم

هندسه اپی پلار یکی از کارآمدترین ابزارهای پردازش تصاویر پوشش دار به حساب می آید، و به طور گسترده ای در علوم مختلف مورد استفاده قرار می گیرد. یکی از مهم ترین ویژگی های هندسه اپی پلار وابستگی آن به مدل سنجنده است، که این ویژگی سبب تفاوت نحوه بکارگیری هندسه اپی پلار برای انواع سیستم های تصویربرداری می گردد. به عنوان مثال در جوامع دید ماشینی و برای تصاویر برد کوتاه، هندسه اپی پلار در قالب ماتریس اس...

15 صفحه اول

مدل سازی genericهندسه اپی پلار تصاویر sar با هدف کاربرد آن در تناظریابی

با توجه به کاربردهای فراوان تصاویر sar در تولید مدل رقومی زمین می توان به میزان اهمیت بحث تناظریابی در تصاویر sar پی برد. تناظریابی در این تصاویر به علت وجود پدیده های گوناگون هندسی از جمله سایه، همپوشانی و کوتاه شدگی در کنار نویزهای مختلف که مهم ترین آنها نویز اسپیکل می باشد، به مراتب پیچیده تر از تناظریابی در تصاویر اپتیکی است. یکی از روش هایی که می-تواند به تناظریابی این تصاویر کمک کند، کاهش...

full text

میکروسکوپ نوری اپی فلورسانس روشی نوین برای ارزیابی فعالیت تخمیری مخمر نانوایی

مقدمه: عملکرد تکنولوژیکی مخمر نانوایی ارتباط تنگاتنگی با قابلیت زنده­مانی آن دارد. به منظور پیش بینی خصوصیات عملکردی مخمر نانوایی، مشاهده زنده مانی و تفکیک مخمرهای زنده از مخمرهای مرده در محیط تخمیر به روشی سریع و دقیق نیاز است. مواد و روش‌ها: در این مقاله با انتخاب سه نمونه مخمرخشک فوری، از میکروسکوپ نوری اپی فلورسانس، 02/٠% محلول رنگی FDA (فلورزین دی استات) و ١/٠% اوانس بلو جهت مشاهده زنده­ما...

full text

ارائه روشی نوین مبتنی بر تحلیل مولفه های اصلی برای شناسایی انسان در تصاویر

یکی از مهم ترین اهدافی که در حوزه هوش مصنوعی و رباتیک به آن پرداخته می شود ایجاد ماشینی است که بتواند مانند انسان عمل کند. در مسیر نیل به این هدف ابتدا ماشین باید بتواند درک درستی از محیط اطراف خود داشته باشد. شاید یکی از اساسی ترین اطلاعاتی که ماشین باید در مورد محیط خود داشته باشد این باشد که چه کسی، در کجا و در حال انجام چه کاری است؟ رهیافت هایی که برای حل این مسئله مطرح شده اند عمدتاً در حوز...

15 صفحه اول

روشی ترکیبی و نیمه نظارتی مبتنی بر گراف برای برچسب‌زنی خودکار تصاویر

روش‌های یادگیری نیمه نظارتی مبتنی بر گراف اغلب بر روی مسائل تک برچسبی متمرکز و پیاده‌سازی شده‌اند، درصورتی‌که بسیاری از مسائل دنیای واقعی به‌صورت چندبرچسبی هستند. در این مقاله یک روش نیمه نظارتی ترکیبی بنام LGC+ML-KNN برای برچسب‌زنی تصاویر به‌صورت چندبرچسبی ارائه داده‌ایم که از ترکیب روش یادگیری نیمه نظارتی مبتنی بر گراف (LGC) و یادگیری چندبرچسبی (ML-KNN) تشکیل‌شده است . روش ارائه‌شده به دلیل ا...

full text

My Resources

Save resource for easier access later


Journal title:
سنجش از دور و gis ایران

جلد ۷، شماره ۱، صفحات ۱۳۹-۰

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023