بهبود کلاسه بندی رسوبات بستر آب با ایجاد موزاییک تصویر از داده های سونار و پردازش تصویر

thesis
abstract

امروزه استفاده از روش ها و تجهیزات صوتی برای برداشت اطلاعات و نقشه برداری از بستر آبها، بطور چشمگیری گسترش یافته است. اکوساندر چند پرتویی (mbes) از جمله سیستم های صوتی است که قادر به اندازه گیری همزمان عمق و شدت موج برگشتی از بستر آبها می باشد. این سیستم ها می توانند یک دسته پرتو با فواصل مساوی به سمت بستر ارسال و شدت موج برگشتی وابسته به زاویه تلاقی پرتو با سطح بستر (طبق قانون لامبرت) را دریافت نمایند. یکی از مهمترین کاربردهای این داده برای کلاسه بندی رسوبات است که در مطالعات مختلف از وابستگی زاویه ای بدین منظور استفاده شده است. در این روش، زمانی که در طول یک نوار برداشت، نوع رسوبات تغییر کند، پیچیدگی هایی ظاهر می گردد، چراکه نمی توان بین تغییرات زاویه ای پرتوها و تغییرات واقعی در نوع رسوبات تفکیک قائل شد. بنابراین پیشنهاد می شود که این داده ها مستقل از زاویه شوند. در این پایان نامه دو روش آماری بر مبنای هیستوگرام برای حذف اثر وابستگی زاویه ای ارائه می گردد، که در هردو روش هیستوگرام های داده ها در زاویه تقاطع نزدیک به نادیر به هیستوگرام داده ها در یک زاویه فرودی کوچک (داده های مرجع) منطبق می شوند. سپس با داشتن این داده ها که تصحیحات لازم بر روی آنها انجام شده است، الگوریتم نوینی برای کلاسه بندی رسوبات بستر ارائه می دهیم که هدف اصلی آن تشکیل موزاییک تصویری از آنهاست. در واقع پس از تصحیح داده ها با انتخاب روش درونیابی مناسب به آنها ساختار منظم داده و تصویر رسوبات بستر آب تهیه خواهد شد. در ادامه با استفاده از روش های پردازش تصویری لازم، کیفیت تصاویر را بهبود می بخشیم زیرا در تصاویر با وضوح بیشتر شناسایی نوع رسوبات دقیق تر خواهد بود. در این الگوریتم با توجه به نوع رفتار رسوبات در تصاویر بدست آمده، برای کلاسه بندی نیازمند قطعه بندی تصویر می باشیم. در انتها با کمک اندازه دانه بندی متوسط نمونه های زمینی، به هر قطعه نوع ویژه ای از رسوب بعنوان یک کلاس خاص، اختصاص می دهیم. الگوریتم مورد نظر بر روی داده های اکوساندر چند پرتویی حاصل از رودخانه وال هلند پیاده سازی شده است. دقت قطعه بندی تصاویر تهیه شده با یک روش خاص، با استفاده از محاسبه ی ضریب همبستگی با مقادیر واقعی، در حدود 65% می باشد. با بررسی نتایج تصویری می توان بیان کرد که این الگوریتم نسبت به روش های پیشین کلاسه بندی داده های اکوساندر چند پرتویی، بهبود کیفی و بصری در تأمین هدف موردنظر داشته است.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

قطعه‌بندی رسوبات بستر رودخانه‌ای بر مبنای اصول پردازش تصویر با استفاده از داده‌های اکوساندر چند‌پرتویی

امروزه استفاده از تجهیزات صوتی پیشرفته مانند اکوساندرهای چند‌پرتویی (MBES) در بسیاری از عملیات زیرآبی و برداشت اطلاعات از آرایش بستر، بطور چشمگیری گسترش یافته‌است. این ابزار قادر به اندازه‌گیری همزمان عمق و شدت موج برگشتی (BS) از بستر آبها با پوشش کامل می‌باشد. کلاسه‌بندی رسوبات بستر با استفاده از وابستگی زاویه‌ای مقادیر BS، از مهمترین کاربردهای این نوع داده است. از آنجا که تابع توزیع احتمال م...

full text

بهینه سازی درجه بندی کاشی با استفاده از پردازش تصویر فازی و الگوریتم ژنتیک

در خطوط کنترل کارخانجات کاشی برای اینکه بتوان کاشیها را درجه بندی کرد، نیاز به روشهایی برای تشخیص انواع عیوب مختلفی است که ممکن است در هنگام تولید بر روی کاشی‌ها به وجود آید. به گفته کارشناسان، یکی از بیشترین عیوبی که باعث پایین آمدن کیفیت کاشی‌ها می‌شوند، ترکها و خالها می‌باشند. به این نوع از عیب ها، عیوب تیز گفته می‌شود که در تصویر ساختارهایی با عرض کم و کنتراست بالا به وجود می‌آورند. یکی از ...

full text

خوشه بندی تصاویر پوشاک با استفاده از پردازش تصویر و الگوریتم K-means

امروزه صنعت پوشاک و مد صنعتی جهانی است و اکثر کشورها روی این صنعت سرمایه گذاری می کنند. در سالهای اخیر با گسترش تجارت الکترونیک و با توجه به مزیت های آن مثل قابل استفاده بودن کالاها با هزینه کمتر، انتخاب گسترده تر و صرفه جویی در زمان، انبوه مردم مایحتاج خود را از وبگاه ها و فروشگاه های اینترنتی به جای مغازه ها تهیه می کنند. این موضوع، نیاز به سامانه ای را ایجاد کرده که بتواند پوشاک را شناسایی و...

full text

درجه بندی مغز گردو براساس اندازه و رنگ با استفاده از پردازش تصویر

امروزه توسعه سیستم های هوشمندی که بتوانند در مراحل مختلف آماده سازی و فرآوری محصولات کشاورزی و مواد غذایی با کارآیی مناسب بکار روند از اولویت های تحقیقاتی در این حوزه به شمار میروند. بدین منظور در پژوهش حاضر آزمایش هایی به منظور بررسی عوامل موثر بر یک سامانه تشخیص مغزگردو براساس اندازه و رنگ (به روش استاندارد) اجرا شد. بررسی ها بر امکان تشخیص دسته های کیفی، شامل سه دسته "نیمه"،" ربعی" و" خرده" ...

full text

طبقه بندی سیستم‌های پردازش تصویر در ردگیری اشیاء متحرک

استفاده از سیستم‌های بینایی و پردازش تصویر جهت تشخیص و ردگیری اشیاء در محیط های طبیعی مختلف با پیچیدگی بالایی مواجه می‌باشد. همچنین، انسداد شیء هدف، ثبات رنگی، ردگیری چند شی در مقابل دید یک چشمی، نویز در تصاویر، شکل پیچیده شی و تغییرات روشنایی صحنه، از مهم‌ترین چالش‌ها‌ی سیستم‌های بینایی است. در سال‌های اخیر، تلاش زیادی در راستای بهبود سامانه های تشخیص و ردگیری اشیاء در شرایط مختلف صورت گرفته ...

full text

پردازش دیجیتالی تصویر

بخش عمده ­ای از تصاویر ماهواره­ ای بصورت رقومی دریافت می­ گردد و پردازش دیجیتالی راه منطقی است. انسان به خوبی تصویر را تفسیر می­ نماید. لیکن چشم ما برای مشاهده  تصاویر سیاه و سفید در یک طیف امواج الکترومغناطیسی با نگاه کردن به تصاویر رنگی و ترکیبی از باندهای مختلف، محدودیت دارد. ممکن است در یک زمان به گزیده­ ای از سه باند در ترکیب رنگی نگاه کند، بنابراین سایر باندها مورد استفاده واقع نمی شود. چ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان - دانشکده فنی و مهندسی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023