پوسته جامد زمین از ترکیبات خاصی به نام کانی تشکیل شده است. شناسایی و پی¬جویی کانیها بخصوص کانیهای مهم اقتصادی، از جمله مسائلی است که طی سالیان متمادی مورد توجه محققین قرار گرفته است. بررسی روشهای متعدد آشکارسازی بر مبنای داده¬های ابرطیفی، حاکی از آن است که مطالعات انجام گرفته تاکنون تنها به طور خاص یا براساس فیلترهای برداری بوده و هیچ توجهی به باندهای جذبی و نواحی فعال طیفی نداشته¬اند و یا اینکه تنها بر اساس باندهای جذبی و فرآیند تعیین موقعیت این باندها تعریف شده¬اند و از مزیتهای روشهای پردازشی در فضای سیگنال بی¬بهره مانده¬اند. لذا در این پایان¬نامه قصد بر استفاده از طیف مشتق به عنوان ورودی الگوریتم آشکارسازی بوده، تا به این ترتیب نواقصی که در خصوص هر دسته از روشهای آشکارسازی مطرح شد، مرتفع گردد. در بخش اول از این کار، با انجام آنالیزهای طیفی یکی از مراتب مشتق به عنوان تفکیک¬پذیرترین طیف در هر تارگت انتخاب شده است تا همین مراتب از مشتق به عنوان ورودی آشکارسازی در مراحل بعد مورد استفاده قرار گیرند. در مرحله دوم، طیف منتخب برای آشکارسازی هر تارگت به همراه طیف مرتبه صفر از آن به عنوان مبنای آشکارسازی در منطقه مطالعاتی مورد استفاده قرار گرفته¬اند. روش آشکارسازی ارائه شده در این پایان¬نامه تحت عنوان "روش کمینه¬سازی انرژی مقید مشتقی" (dcem) معرفی شده و مبنای عملکرد آن براساس الگوریتم آشکارسازی "کمینه¬سازی انرژی مقید" است. در نهایت به منظور تهیه نقشه از کانیهای معدنی مورد مطالعه در منطقه، از ترکیب نتایج آشکارسازی تمامی تارگتها در سطح احتمال بهره برده شده است. نتایج حاصل از این مطالعه نشان داده است که مرتبه مناسب در آشکارسازی هر کانی وابسته به نوع تارگت مورد مطالعه بوده و بهره¬مندی از طیف مشتق امکان آشکارسازی دقیق¬تر اهداف معدنی را فراهم می¬آورد. این موضوع با توجه به ارزیابی نتایج براساس منحنی¬های roc و مقدار پارامتر auc حاصل شده است. به عنوان مثال مقدار auc، در آشکارسازی کانی کائولینیت برابر با 64/0 در طیف مرتبه صفر و 87/0 در طیف مشتق مرتبه اول از آن بوده است. ارزیابی نتایج براساس پارامتر نرخ آشکارسازی نیز بهبود قابل توجهی را پس از بهره¬مندی از طیف مشتق نمایش داده است.

طبقه¬بندی پوشش¬های زمین یکی از مهم¬ترین و ابتدایی¬ترین تحلیل¬های داده¬های سنجش-ازدور است. داده پلاریمتری رادار با روزنه¬ی مجازی فرم جدیدی از داده¬های راداری است که در بسیاری از زمینه¬های سنجش¬ازدور به¬عنوان یک ابزار پیشرفته استفاده می¬شود. روش¬های مختلفطبقه¬بندی داده پلاریمتری به طورکلی در سه گروه قرار می¬گیرند. (1) روش¬های آماری، (2) روش¬های برمبنای مکانیسم پراکنش و (3) روش¬های دانش¬مبنا. این روش¬ها به-صورت نظارت¬شده یا نظارت¬نشده به¬کار می¬روند. روش های طبقه بندی داده پلاریمتری که تاکنون ارائه شده است تنها از اطلاعات یک پایه پلاریزاسیون مشخص استفاده می کنند. در این تحقیق روشی جدید برای طبقه بندی داده پلاریمتری برمبنای امضای پلاریمتری ارائه می شود که می تواند اطلاعات پلاریمتری را در پایه پلاریزاسیون های بیشتری به کار گیرد. در روش پیشنهادی علاوه بر امضای پلاریمتری توان، امضای پلاریمتری برای ویژگی های مختلف داده پلاریمتری معرفی می شود. همانند سایر روش های دانش مبنا روش پیشنهادی شامل دو مرحله است. استخراج دانش مرجع و استفاده از دانش مرجع برای طبقه بندی. مرحله اول به کمک استخراج امضای پلاریمتری برای کلاس¬های مورد نظر و مرحله دوم به کمک روش های مطابقت انجام می شود. برای پایداری بیشتر محاسبه امضای پلاریمتری روش پیشنهادی به صورت شیءمبنا پیاده¬سازی شده¬است. داده پلاریمتری سنجنده رادارست-2 از منطقه ی جنگلی پتاواوا کانادا برای این تحقیق انتخاب شد. مطابق نتایج دقت کلی روش پیشنهادی 12/82 و روش ویشارت 34/76 است. استفاده از مجموعه ی کامل تری از ویژگی های پلاریمتری و همچنین افزایش سطح اطلاعات ویژگی های مختلف با استفاده از امضای پلاریمتری، باعث دقت مناسب کلاس های گونه های جنگلی در روش پیشنهادی شد. هدف روش پیشنهادی دیگر این تحقیق ارائه ی روشی دانش مبنا و شیءمبنا برای طبقه بندی داده ی پلاریمتری است که در آن بتوان دانش را در سه بخش دانش اولیه، دانش حاصل از داده پلاریمتری و دانش خبره به کار گرفت. روش طبقه بندی svm-dt (suport vector machine-decision tree) برای تلفیق دانش های مختلف ارائه شده است. دانش حاصل از داده (آماری، فیزیکی و مکانی) در مراحل تعیین طرح درختی، ویژگی برای طبقه بندی کننده svm و همچنین در انتخاب ویژگی های بهینه به کار گرفته می شود. دانش اولیه برای توازن تعداد داده های آموزشی در طبقه بندی کننده svm استفاده می شود. درنهایت دانش خبره نیز در دو مرحله ایجاد طرح درختی و همچنین انتخاب ویژگی های بهینه درروش پیشنهادی استفاده می شود. برای بررسی تاثیر دانش¬های مختلف در روش پیشنهادی 6 طبقه بندی کننده در آزمایش ها مقایسه گردید: طبقه بندی کننده ویشارت، svm با تمام ویژگی ها، svm-dt با تمام ویژگی ها، svm-dt شیءمبنا با تمام ویژگی ها، svm-dt شیءمبنا همراه با انتخاب ویژگی و svm-dt شیءمبنا با انتخاب ویژگی و دانش اولیه. نتایج نشان داد اضافه شدن دانش های مختلف به طبقه بندی تأثیر مثبت و خوبی بر روی کلاس های جنگل دارد اگرچه برخی از این دانش ها در کلاس های دیگر بی تأثیر و یا حتی تأثیر منفی دارند. درنهایت دقت کلی روش پیشنهادی حدود 87 درصد حاصل شد که در مقایسه با روش ویشارت 15 درصد و در مقایسه با طبقه بندی کننده svm، 9 درصد بهبود داشته است. کلمات کلیدی: داده پلاریمتری رادار با روزنه مجازی، طبقه بندی دانش مبنا، امضای پلاریمتری، روش¬های مطابقت شناسایی الگو، جنگل

درمیان بلایای طبیعی، زلزله یکی از شایع ترین حوادثی است که تاکنون تلفات و خسارات زیادی را به ویژه در مناطق مسکونی به بار آورده است. در زمان وقوع این گونه حوادث لزوم امدادرسانی دقیق و سریع ایجاب می کند؛ تا به دنبال ابزاری مناسب برای تولید اطلاعات مورد نیاز باشیم. سنجش از دور به عنوان دانشی برای بکارگیری تصاویر در مسیر تولید نقشه، ابزاری مناسب برای تولید نقشه تغییرات ، در شرایط خاص منطقه حادثه دیده، قلمداد می شود. در میان شاخه های مختلف سنجش از دور (زمینی ، هوایی و فضایی )، حجم وسیع داده های جمع آوری شده توسط سنجنده های ماهواره ای، حذف خطای ناشی از اختلاف ارتفاع در این تصاویر و بهبود چشمگیر در قدرت تفکیک مکانی آنها، نظر محققین را به فتوگرامتری فضایی در هر دو شاخه نوری و راداری معطوف کرده است. در این تحقیق با تکیه بر داده های موجود، به منظور دستیابی به نقشه تخریب منطقه، در یک الگوریتم تک زمانه، تلفیق تصاویر راداری و نوری پس از زلزله در دستور کار قرار گرفته است. در الگوریتم ارائه شده به منظور بهبود نتایج، از اطلاعات مکانی تصویر راداری در کنار اطلاعات رادیومتریکی تصویر نوری در فضای موجک بهره گرفته شده است. در بخش آنالیز ویژگی ها، طبقه بندی کننده های غیرآماری امکان استفاده از ویژگی های مختلف را فراهم کردند تا در نهایت نقشه تخریب ساختمان با دقت 80% تولید شود. واژگان کلیدی: نقشه¬ تخریب، تلفیق، موجک. طبقه بندی کننده غیرآماری

تکنیک سنجش از دور راداری به نام تداخل سنجی پلاریمتری روزنه مصنوعی (polinsar) ، همان طور که از نام آن بر می آید، شامل دو فناوری راداری مجزای پلاریمتری و تداخل سنجی است.این موضوع مشخص است که فاز یک تداخل نما با انتخاب پلاریزاسیون تغییر می کند و درنتیجه پارامترهای بیوفیزیکی و ژئوفیزیکی مهمی را می توان با تفسیر صحیح این تغییر استخراج کرد. در این تحقیق کاربردهای مختلفی در حوزه بهینه سازی همدوسی مورد بررسی قرار می گیرد که نقش بهینه سازی همدوسی در تداخل سنجی پلاریمتری از جمله بررسی و تحلیل مکانیزم های پراکنش در همدوسی های بهبود یافته، بررسی میزان بهبود کیفیت تداخل نمای بدست آمده در پایه پلاریزاسیون بهینه بعنوان خروجی الگوریتم بهینه سازی همدوسی، بررسی پتانسیل این روش در کشف پراکنش گرهای پایدار بالقوه و نهایتا تحلیلی اولیه بر روی یافتن پایه پلاریزاسیون بهینه در کلاس های مختلف پوشش زمین برای افزایش میزان همدوسی را بیان می کنند.