آشکارسازی تغییرات مبتنی بر میدان‏های تصادفی مارکوف بر روی تصاویر sar

thesis
abstract

استفاده از داده‏های چند کاناله سنجنده‏های رادار با روزنه مجازی (sar ) به دلیل مستقل بودن از شرایط جوی و نور خورشید و نیز دارا بودن قابلیت بالا در استخراج تغییرات در مقایسه با حالت تک کاناله، در کاربردهای مختلفی مانند نظارت بر محیط زیست و مدیریت بلایای طبیعی بسیار توجیه‏پذیر است. با این حال، بهره‏برداری از این قابلیت‏ها نیازمند استفاده از روش‏های دقیق و اتوماتیک برای تولید نقشه‏های تغییرات از تصاویر اخذ شده از منطقه جغرافیایی یکسان، در پلاریزاسیون‏ها و یا فرکانس‏های مختلف مربوط به زمان‏های متفاوت می‏باشد. از طرف دیگر، در نظرگرفتن وابستگی مکانی مابین پیکسل‏های همسایه می‏تواند به حذف خطاهای برچسب‏گذاری پیکسل‏های منفرد کمک کرده و نقشه تغییرات را بهبود ‏بخشد. حذف نویز نقطه‏ای و ماهیت ایزوتروپیک مدل‏سازی میدان‏های تصادفی مارکوف، موجب نرم شدن مرزهای مکانی بین مناطق تغییریافته و تغییرنیافته در نقشه تغییرات نهایی می‏گردد. به منظور حذف یا حتی‏الامکان کاهش این اثر نامطلوب، استفاده از مدل‏ مارکوف در راستای دخیل نمودن اطلاعات لبه‏ها‏ در فرآیند برچسب‏گذاری پیشنهاد می‏گردد. این روند موجب بهبود دقت لبه‏ها در محل مرزهای مکانی شده و دقت آشکارسازی تغییرات را ارتقاء می‏بخشد. در این تحقیق، یک مدل مارکوف به منظور تشخیص نظارت‏نشده تغییرات از طریق ترکیب اطلاعات موجود در هر یک از کانال‏هایsar ، اطلاعات بافت مکانی و نیز اطلاعات لبه معرفی شده و با استفاده از "توابع انرژی" فرموله شده است. به منظور برآورد پارامترهای مدل، الگوریتم‏ بیشینه‏سازی امید ریاضی( em) با روش مشتقات لگاریتمی (molc ) ترکیب شده است. الگوریتم پیشنهادی با داده‏های واقعی و نیمه‏شبیه‏سازی شده asar-envisat ارزیابی شده است. بر اساس نتایج، اضافه نمودن اطلاعات لبه برای داده‏های نیمه‏شبیه‏سازی‏شده، دقت کلی را به طور متوسط 12% و برای داده‏های واقعی به طور متوسط 6% افزایش داده است. الگوریتم پیشنهادی قابلیت شناسایی هر سه نوع تغییرات (کم- متوسط- زیاد) را دارا می‏باشد، این در حالی است که با در نظر گرفتن اطلاعات باندها و بافت مکانی، قدرت شناسایی تغییرات کم و متوسط بسیار پایین برآورد شده است. همچنین با توجه به تعداد دفعات تکرار پایین، زمان اجرای الگوریتم تا حد بالایی کاهش یافته است.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

آشکارسازی نظارت‌نشده تغییرات از تصاویر چندزمانه SAR مبتنی بر ادغام خوشه‌بندی و مدل منحنی فعال

در این تحقیق روشی جهت آشکارسازی نظارت‌نشده‌ی تغییرات در تصاویر چندزمانه SAR مبتنی بر ادغام خوشه‌بندی و مدل منحنی فعال ارائه‌شده است. در این روش، با استفاده از فیلتر گابور، در مقیاس و در جهات مختلف، اطلاعات بافتی تصویر استخراج می‌گردد و جهت کاهش وابستگی میان ویژگی‌های استخراجی و اطلاعات تصاویر، از آنالیز مؤلفه اصلی با هسته کرنل (KPCA) استفاده می‌شود. همچنین، برای تولید تصویر اختلاف از تبدیل موجک...

full text

آشکارسازی لبه در تصاویر sar بر مبنای الگوریتم فرکتال- فازی

آشکارسازی لبه ها از نکته های مهم مورد استفاده در سنجش از دور است. بسیاری از الگوریتم های کلاسیک آشکارسازی لبه که عملکرد مناسبی را بر روی تصاویر اپتیکی ارائه کرده اند، فاقد توان تشخیص لبه در تصاویر رادار با وزنه ی ترکیبی (sar) اند. در این مقاله الگوریتمی بر مبنای آنالیز فرکتالی و منطق فازی به منظور آشکارسازی لبه ها در تصاویر sar پیشنهاد می شود. از جنبه ی نظری، چون سیگنال دریافت شده در سیستم sar ...

full text

آشکارسازی وسایط نقلیه متحرک با استفاده از تصاویر ماهواره‌ای SAR

با پیشرفت تکنولوژیهای ماهواره‌ای SAR و توسعه‌ی الگوریتمهای پردازشی، همراه با دیگر کاربردهای این نوع سنجنده‌های راداری، امکان آشکارسازی اهداف متحرک زمینی و تعیین سرعت آنها توسط ماهواره‌های سنجش از دور SAR نیز فراهم گشته است. اگرچه قبلا سیستمهای هوایی SAR و بخصوص در کاربردهای نظامی مورد مطالعه و استفاده قرار گرفته‌اند اما در حال حاضر این امکان در برخی ماهواره‌های سنجش از دور SAR و بمنظور کاربردها...

full text

آنالیز خودکار آشکارسازی تغییرات بر مبنای تصویر اختلاف با استفاده از ترکیب مدل آمیخته‌ی گاوسی و میدان‌های تصادفی مارکوف

نبود یک روش خودکار مناسب برای جداکردن پیکسل­های تغییریافته و تغییرنیافته، از اصلی­ترین مشکلات مربوط به آشکارسازی تغییرات بر مبنای تصاویر اختلاف است. این جدایی معمولا به وسیله روش­های مبتنی بر آزمون و خطا صورت می­گیرد که بر روی دقت و درجه اعتمادپذیری فرآیند آشکارسازی تغییرات تاثیر گذار است. برای فائق آمدن بر این مشکل، در این تحقیق، در ابتدا بر مبنای قضیه بیز  و با استفاده از مدل آمیخته­ی گاوسی ر...

full text

طبقه بندی تصاویر پلاریمتری sar با استفاده از میدان های تصادفی مارکوف

جمع آوری داده توسط سنجش از دور یک مرحله اساسی در مدیریت پایدار زمین می باشد. یکی از پردازش های مهم و پرکاربرد بر روی تصاویر سنجش از دور، طبقه بندی است. از دیدگاه تصمیم گیری، نقشه های حاصل از طبقه بندی می توانند مفید واقع شوند، زیرا، این الگوریتم ها اطلاعات پیچیده طیفی- مکانی را در تعداد محدودی کلاس مورد نیاز، خلاصه می کنند. داده های پلاریمتریک sar به دلیل دارا بودن اطلاعات غنی از محیط، در چند ...

15 صفحه اول

آشکارسازی تغییرات در تصاویر سنجش از دور چندزمانه با حدآستانه‏گذاری شاخص تغییرات تلفیقی مبتنی بر الگوریتم توده ذرات

آشکارسازی صحیح و به‌موقع تغییرات پوشش و کاربری اراضی یکی از مهم‌ترین موضوعات در حوزه برنامه‏ریزی و مدیریت اراضی می‌باشد. در دهه‌های اخیر، تصاویر سنجش از دور  به منابع ارزشمندی برای شناسایی تغییرات پوشش و کاربری اراضی تبدیل شده‌اند. حدآستانه‌گذاری تصویر اختلاف، از متداول‌ترین تکنیک‌های آشکارسازی تغییرات در تصاویر ماهواره‌ایی چندزمانه می‌باشد. نظر به اینکه تکنیک‌های متداول حدآستانه‌گذاری برای فضا...

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 صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداری

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023