تلفیق تصاویر رادار با روزنه مجازی و اپتیک با استفاده از تبدیل کرولت

Authors

Abstract:

ماهواره­ های سنجش از دور، داده­هایی با خصوصیات طیفی و مکانی مختلفی از سطح زمین جمع­آوری می­کنند که هرکدام بخشی از خصوصیات عوارض را نمایان می­سازند. گاهاً اطلاعات بدست آمده از یک سنجنده به تنهایی پاسخگوی نیازهای مورد نظر ما نیست. با وجود اینکه داده­های چند طیفی[1] اطلاعات غنی طیفی را از عوارض مختلف به ما می­دهد، اما به‌طور قابل توجهی تحت تأثیر عوامل محیطی مانند دود، مه، ابر و میزان نور خورشید قرار می­گیرد. برخلاف سنجنده­های اپتیک، سنجنده­های رادار با روزنه مجازی[2] (SAR) در همه نوع شرایط آب و هوایی و شبانه­روز توانایی اخذ داده را دارند. داده­های SAR می­توانند اطلاعات غنی از بافت و ساختار ارائه داده و به مؤلفه‌های شکل، جهت، زبری و رطوبت از عوارض روی زمین حساس است. اما تصاویر SAR نمی­توانند جزئیات و لبه اشیاء را به‌وضوح مشخص کنند. بنابراین ترکیب خصوصیات مختلف از تصاویر اپتیک و داده­های SAR با استفاده از تکنیک­های تلفیق تصویر، می­تواند یک دید کامل‌تر از تارگت موردنظر به ما دهد و دقت و اعتمادپذیری بالاتری برای نتیجه­های بدست آمده از این روش ارائه دهد. تبدیل کرولت، در تجزیه‌وتحلیل لبه­های منحنی شکل و دقت بالای آن برای تقریب و توصیف پراکندگی‌ها و جهت‌ها، در مقایسه با بسیاری از تبدیل­های دیگر در زمینه تجزیه و تحلیل اطلاعات تصویر و تلفیق تصاویر مناسب­تر است. با توجه به محدودیت قدرت تفکیک مکانی و زمانی برای تصاویر چندطیفی و محدودیت داده­های SAR برای کاربردهای شهری و طبقه­بندی و مناسب بودن تبدیل کرولت برای تلفیق این دو نوع داده، تلفیق این تصاویر باعث بهبود ضعف­های آن­ها می­شود. در این مقاله با استفاده از تبدیل کرولت[3]، تصاویر SAR و اپتیک را به فضای کرولت انتقال می­دهیم، سپس با روش میانگین وزن­دار در فضای کرولت تلفیق انجام می­گردد و در نهایت با اعمال تبدیل کرولت معکوس تصویر تلفیق شده بدست می­آید. بدین منظور داده­های منطقه­ای از شهر شیراز برای پیاده­سازی روش پیشنهادی استفاده شد. دو روش آماری و طبقه­بندی برای ارزیابی تصاویر تلفیق شده مورد استفاده قرار گرفت. برای مقایسه، روش پیشنهادی با دو روش تلفیق با استفاده از تبدیل IHS و wavelet استفاده شد. با استفاده از پارامترهای آماری انحراف معیار، آنتروپی، معیار فرکانس مکانی، ضریب همبستگی و اندکس کیفیت تصویر شاهد بهبود تصویر تلفیقی نسبت به روش­های دیگر هستیم. با توجه به اینکه دقت طبقه­بندی به میزان اطلاعات طیفی و مکانی تصویر بستگی دارد، به منظور ارزیابی تأثیر تلفیق در توان تفکیک طیفی و مکانی، تصاویر را طبقه­بندی می­کنیم. با طبقه­بندی تصویر اپتیک ورودی و تصویر تلفیقی، بهبود 4 درصدی دقت کلی طبقه­بندی و افزایش 0.05 ضریب کاپا نسبت به تصویر ورودی مشاهده شده است. نتایج بدست آمده نشان دهنده مناسب بودن الگوریتم پیشنهادی برای تلفیق تصاویر SAR و اپتیک است.   1 Multispectral 2 Synthetic Aperture Radar 3 Curvelet Transformation

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

کاهش نویز لکه تصاویر رادار با روزنه ترکیبی بر اساس آستانه‌گذاری نرم ضرایب تبدیل کرولت

نویز لکه در تصاویر راداری منجر به کاهش کسب اطلاعات از این تصاویر می‌شود. هدف این مطالعه کاهش نویز لکه تصاویر رادار به وسیله‌ی آستانه‌گذاری نرم ضرایب کرولت با تاکید بر حفظ لبه است. در الگوریتم پیشنهادی ابتدا نویز ضربی لکه با استفاده از تبدیل لگاریتمی به نویز افزایشی تبدیل‌شده و سپس تصویر حاصل با استفاده از تبدیل کرولت به فضای کرولت منتقل و ضرایب کرولت بر اساس آستانه‌گذاری نرم و حدآستانه تطبیقی م...

full text

کاهش نویز لکه تصاویر رادار با روزنه ترکیبی بر اساس آستانه گذاری نرم ضرایب تبدیل کرولت

نویز لکه در تصاویر راداری منجر به کاهش کسب اطلاعات از این تصاویر می شود. هدف این مطالعه کاهش نویز لکه تصاویر رادار به وسیله ی آستانه گذاری نرم ضرایب کرولت با تاکید بر حفظ لبه است. در الگوریتم پیشنهادی ابتدا نویز ضربی لکه با استفاده از تبدیل لگاریتمی به نویز افزایشی تبدیل شده و سپس تصویر حاصل با استفاده از تبدیل کرولت به فضای کرولت منتقل و ضرایب کرولت بر اساس آستانه گذاری نرم و حدآستانه تطبیقی م...

full text

طبقه‌بندی تصاویر پلاریمتری رادار با روزنه مجازی بر اساس تلفیق طبقه‌بندی کننده ماشین بردار پشتیبان و میدان‌های تصادفی مارکوف

تحقیقات اخیر نشان داده است که طبقه بندی تصاویر سنجش ازدور با کمک روش‌هایی که از اطلاعات مکانی در کنار اطلاعات طیفی استفاده می‌کند، نسبت به روش‌های مبتنی بر فقط اطلاعات طیفی، دقیق‌تر می‌باشد. اگرچه طبقه‌بندی به روش ماشین بردار پشتیبان دارای نتایج دقیق در بیشتر تصاویر سنجش‌ ازدور می‌باشد ولی این طبقه‌بندی کننده ذاتا بر مبنای فقط اطلاعات تک پیکسل عمل می‌کند، که این یک محدودیت برای استفاده از آن می...

full text

الگوریتم حد آستانه‌گذاری کمینه‌خطا برای آشکارسازی نظارت نشده تغییرات با استفاده از تصاویر پلاریمتری رادار با روزنه مجازی

در این مقاله، یک روش نظارت نشده برای آشکارسازی تغییرات با استفاده از تصاویر پلاریمتری رادار با روزنه ترکیبی ارائه گردیده است. آماره آزمون ویشارت تصحیح یافته متقارن، به منظور ارزیابی برابری دو ماتریس کواریانس چندمنظر مربوط به دو تصویر پلاریمتری SAR در دو زمان مختلف بکار گرفته شده تا تصویر تک‌باندی خروجی آن در یک الگوریتم نظارت نشده حد آستانه گذاری قرار گیرد و در نهایت نقشه تغییر/عدم تغییر بدست آ...

full text

الگوریتم حد آستانه گذاری کمینه خطا برای آشکارسازی نظارت نشده تغییرات با استفاده از تصاویر پلاریمتری رادار با روزنه مجازی

در این مقاله، یک روش نظارت نشده برای آشکارسازی تغییرات با استفاده از تصاویر پلاریمتری رادار با روزنه ترکیبی ارائه گردیده است. آماره آزمون ویشارت تصحیح یافته متقارن، به منظور ارزیابی برابری دو ماتریس کواریانس چندمنظر مربوط به دو تصویر پلاریمتری sar در دو زمان مختلف بکار گرفته شده تا تصویر تک باندی خروجی آن در یک الگوریتم نظارت نشده حد آستانه گذاری قرار گیرد و در نهایت نقشه تغییر/عدم تغییر بدست آ...

full text

ارائه فیلتر کاهش نویزاسپکل روی تصاویر رادار با روزنه ترکیبی

وجود اسپکل در تصاویر رادار امری اجتناب ناپذیر است. نویز اسپکل یک آشفتگی نقطه‌ای است که معمولا به عنوان نویز ضرب‌شونده در تصاویر تک‌پلاریزه مدل می‌شود. این نویز که وابسته به سیگنال است به دلیل نوسانات فاز سیگنال‌های بازگشتی امواج الکترومغناطیسی بوجود می‌آید که به صورت نقطه نقطه ظاهر می‌شود. حضور اسپکل، تفسیر و آنالیز تصویر را پیچیده‌تر می‌کند و باعث کاهش دسترسی به اطلاعات تصویر می‌شود لذا انتخاب...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 7  issue 2

pages  127- 138

publication date 2017-12

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023