نرمالیزاسیون اتوماتیک تصاویر ماهوارهای چندزمانه با استفاده از شبکههای عصبی مصنوعی و پیکسلهای تغییرنیافته
Authors
Abstract:
نرمالیزاسیون رادیومتریک نسبی اغلب در آنالیزهای تصاویر سنجش از دور، مخصوصا در آنالیزهای آشکارسازی تغییرات پوششی اراضی مورد استفاده قرار میگیرد. نرمالیزاسیون، اختلافات رادیومتریکی بین تصاویر، ناشی از نابرابری شرایط تصویربرداری و نه به خاطر تغییرات واقعی در بازتاب سطحی را کاهش میدهد. در این مقاله، یک روش نرمالیزاسیون اتوماتیک، مبتنی بر شبکههای عصبی و پیکسلهای تغییرنیافته، معرفی میگردد. در روش پیشنهادی ابتدا پیکسلهای تغییرنیافته با استفاده از روش طرح شده در این تحقیق که بر مبنای استفاده از روش آشکارسازی تغییرات CVA، تبدیل مؤلفههای اصلی و قطعهبندی کا-مینز میباشد، تعیین شده و در مرحله مدلسازی، معماریهای مختلفی از شبکههای عصبی به منظور تعیین بهترین معماری برای این کاربرد خاص، بررسی شده و شبکه با معماری بهینه برای تهیه تصویر نرمالیزه مورد استفاده قرار گرفته است. ایده مورد نظر روی دو جفت تصویر مرجع-هدف اخذ شده توسط سنجنده TM پیادهسازی شده است. نتایج نرمالیزاسیون حاصل از روش پیشنهادی با نتایج حاصل از 8 روش نرمالیزاسیون شامل: تطابق هیستوگرام(HM)، تصحیح haze(HC)، نرمالیزاسیون مینیمم-ماکزیمم(MM)، نرمالیزاسیون میانگین-انحراف معیار(MS)، رگرسیون ساده(SR)، رگرسیون بهبود داده شده درجات اول، دوم و سوم و رگرسیون بهبود داده شده خطی-قطعهای مقایسه گردید. ارزیابی صورت گرفته از الگوریتم پیشنهادی، قابلیت این روش را هم در آشکارسازی اتوماتیک تغییرات و هم در کاهش تاثیرات شرایط تصویربرداری(اتمسفر و سایر عوامل تاثیرگذار) نسبت به روشهای متداول نشان میدهد. روش آشکارسازی تغییرات پیشنهادی، قابلیت بالایی در شناسایی تغییرات پوشش گیاهی صورت گرفته در منطقه داشته و استفاده از این روش باعث بهبود نتایج نرمالیزاسیون در تمامی باندهای تصویر، مخصوصا در باندهای سوم و چهارم که در محدوده طیفی نور قرمز و مادون قرمز قرار میگیرد، شده است. در مرحله مدلسازی نیز استفاده از شبکههای عصبی سبب کاهش خطای کمترین مربعات نرمالیزاسیون دادههای ارزیابی در مقایسه با روشهای متداول نرمالیزاسیون(مدلهای خطی و غیرخطی) شده است.
similar resources
نرمالیزاسیون اتوماتیک تصاویر ماهواره ای چندزمانه با استفاده از شبکه های عصبی مصنوعی و پیکسل های تغییرنیافته
نرمالیزاسیون رادیومتریک نسبی اغلب در آنالیزهای تصاویر سنجش از دور، مخصوصا در آنالیزهای آشکارسازی تغییرات پوششی اراضی مورد استفاده قرار می گیرد. نرمالیزاسیون، اختلافات رادیومتریکی بین تصاویر، ناشی از نابرابری شرایط تصویربرداری و نه به خاطر تغییرات واقعی در بازتاب سطحی را کاهش می دهد. در این مقاله، یک روش نرمالیزاسیون اتوماتیک، مبتنی بر شبکه های عصبی و پیکسل های تغییرنیافته، معرفی می گردد. در روش...
full textنرمالیزاسیون رادیومتریک اتوماتیک تصاویر ماهواره ای چندزمانه مبتنی برتبدیل IR-MAD و شبکه های عصبی مصنوعی
نرمالیزاسیون رادیومتریک نسبی، اغلب در آنالیزهای تصاویر ماهوارهای چندزمانه، خصوصاً در آشکارسازی تغییرات کاربری اراضی مورد استفاده قرار میگیرد. در این تحقیق ضمن بررسی تبدیل IR-MAD، تکنیک جدیدی مبتنی بر تبدیل IR-MAD و شبکههای عصبی مصنوعی توسعه داده شده است. تکنیک پیشنهادی بر روی تصاویر ماهوارهای چندزمانه لندست تیام متعلق به سالهای 1989و2010 شهر تبریز، پیادهسازی شده است. استفاده از ترکیب خطی...
full textبررسی رابطه بین ارزشهای رقومی بازتاب حاصل از تصاویر ماهوارهای etm+ و ماده آلی خاک با استفاده از شبکههای عصبی مصنوعی و مدلهای رگرسیونی
مقدار ماده آلی نقشی کلیدی در تعیین رفتار فیزیکی، شیمیایی و بیولوژیکی خاک دارد و آگاهی از وضعیت و توزیع آن برای استفاده بهینه و پایدار از خاک ضروری است. اندازه گیری ماده آلی در آزمایشگاه، بسیار وقت گیر و پرهزینه بوده و امکان تعمیم نتایج حاصل به مناطق مشابه را دارا نمی باشد. اخیرا استفاده از داده های سنجش از دور در ارزیابی مقدار ماده آلی خاک به عنوان روشی ساده، سریع، ارزان و حتی دقیق توجه محققان ...
full textدینامیک تخریب تالاب زریبار با استفاده از تصاویر ماهوارهای چندزمانه
آگاهی از دینامیک تخریب تالابها به دلیل منافع مختلف این اکوسیستمهای طبیعی برای دستگاههای خشکی زی و آبزی مهم است. علاوه بر تأمین آب، غذا و دیگر نیازها، حمایت مستقیم و غیرمستقیم معیشت مردم از طریق تعدیل (برای مثال تعدیل سیلاب، تنظیم کیفیت آب) و منافع فرهنگی- تفریحی چشمگیر است. تالاب زری بار، واقع در شمال غرب کشور، به دلیل عواملی همچون مصرف آب، ورود آلودگیها و تغییر در کاربری اراضی، دستخوش تغیی...
full textتخمین هدایت هیدرولیکی اشباع در برخی از خاکهای استان ایلام با استفاده از شبکههای عصبی مصنوعی و روشهای رگرسیونی
هدایت هیدرولیکی اشباع ) Ks ( یکی از ورودیهای مهم در مدلسازی جریان آب و انتقال آلایندهها در خاک، طراحی سیستمهای آبیاری و زهکشی، مدلسازی آبهایزیرزمینی و فرایندهای زیستمحیطی است. اندازهگیری مستقیم Ks در مزرعه و آزمایشگاه میسّر میباشد؛ لیکن، معمولاً زمانبر، پرهزینه و دشوار بوده و در سطوحبزرگ نیز غیرعملی است. افزون بر این، بهدلیل غیرهمگن بودن خاک و خطاهای آزمایشگاهی، تا حدودی این اندازهگیریها غیرقابل ...
full textMy Resources
Journal title
volume 2 issue 1
pages 17- 39
publication date 2014-06
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023