ارائه روشی برای شناسایی پیکسلهای مشکوک به وجود نوفه تغییر بیت در تصاویر ماهواره لندست
نویسندگان
چکیده مقاله:
وجود انواع نوفه در تصاویر لندست، استخراج اطلاعات صحیح را دشوار و بعضا غیر ممکن میسازد. یکی از این نوفهها، نوفه ضربهای تغییر بیت است که در حین انتقال دادهها به زمین با تغییر یکی از بیتهای پیکسل به وجود میآید، به گونهای که اگر این بیت در مراتب بالاتر باشد، تغییر ممکن است به دفعات از سیگنال اصلی نیز بزرگتر باشد. در این پژوهش یک روش نوین برای شناسایی و رفع نوفه تغییر بیت در تصاویر اخذ شده توسط ماهوارههای لندست ارائه شده است. در این روش از یک آشکارساز فازی برای شناسایی پیکسلهای آلوده به نوفه استفاده شده است. پس از شناسایی این پیکسلها و مقایسه رقم دیجیتال آن با رقم دیجیتال پیکسلهای مجاور، بیتهای تغییر یافته شناسایی و اصلاح شدهاند. بزرگترین مزیت این روش این است که فرایند رفع نوفه تنها بر روی پیکسلهای آلوده تاثیر میگذارد. برای سنجش نتایج حاصل از اصلاح تصاویر واقعی و شبیه سازی شده برای نوفه تغییر بیت و همچنین مقایسه روش ارائه شده در این پژوهش با روشهای پرکاربرد پیشین از پارامترهای آماری تصاویر و شاخصهای میانگین مربعات خطا و شاخص اندازه گیری شباهت ساختاری استفاده شده است. بررسی بصری تصاویر اصلاح شده و کاهش در انحراف معیار پس از اصلاح تصاویر واقعی نشان دهنده کاهش نوفه میباشد. همچنین بیشترین مقدار به دست آمده برای شاخص شاخص اندازه گیری شباهت ساختاری برابر 9/0 میباشد که پس از اجرای روش پیشنهاد شده در این مقاله بر روی تصویر شبیه سازی شده به دست آمد. همچنین مقدار میانگین مربعات خطای به دست آمده برای روش پیشنهاد شده در این پژوهش برابر 82/101 میباشد که نشان دهنده عملکرد مناسب این روش نسبت به روشهای پرکاربرد پیشین میباشد.
منابع مشابه
ارائه روشی نوین مبتنی بر شاخصهای گیاهی به منظورتخمین ضریب گسیل سطح از تصاویر ماهواره لندست-8
ضریب گسیل سطح از شاخصهای مهم در تخمین بودجه انرژی، ارزیابی پوششهای زمینی، مطالعه انتقال گرمایی و مطالعات سطح میباشد. ضریب گسیل سطح می تواند به عنوان شاخصی، بیانگر ساختار تشکیل دهنده مواد باشد. علاوه براین تعیین دمای سطح زمین بدون تخمین مناسبی از ضریب گسیل امکان پذیر نیست. دراین تحقیق روشی برای تعیین ضریب گسیل سطح از دو باند حرارتی ماهواره لندست-8، باندهای 10 و 11، براساس شاخصهای گیاهی ارائ...
متن کاملارائه روشی سریع برای تشخیص پیکسلهای آلوده به ابر در تصاویر modis
سودمندی و اعتبار داده های ماهواره ای قویاً به شرایط جوی وابسته است. گرد و غبارهای جوی ، گازها و بویژه حضور ابرها می توانند به طور قابل توجهی بر انرژی بازتابیده از سطح اثر گذاشته و قرائت سنجنده های اپتیکی را با خطا مواجه سازند. پیکسل های آلوده به ابر غالباً بازتابندگی پوشش های زمینی را افزایش داده و دمای آن ها را پایین تر از مقدار واقعی خود نشان می دهند. ابرهای کوچک تر از ابعاد پیکسل که قابل مشا...
15 صفحه اولارائه روشی نوین مبتنی بر شاخص های گیاهی به منظورتخمین ضریب گسیل سطح از تصاویر ماهواره لندست-۸
ضریب گسیل سطح از شاخص های مهم در تخمین بودجه انرژی، ارزیابی پوشش های زمینی، مطالعه انتقال گرمایی و مطالعات سطح می باشد. ضریب گسیل سطح می تواند به عنوان شاخصی، بیانگر ساختار تشکیل دهنده مواد باشد. علاوه براین تعیین دمای سطح زمین بدون تخمین مناسبی از ضریب گسیل امکان پذیر نیست. دراین تحقیق روشی برای تعیین ضریب گسیل سطح از دو باند حرارتی ماهواره لندست-8، باند های 10 و 11، براساس شاخص های گیاهی ارائ...
متن کاملارائه روشی سریع برای حذف اثر هوآویزها از تصاویر ماهواره ای modis
با توجه به تاثیر هوآویزهای موجود در جو بر تصاویر ماهواره ای، مطالعه منطقه ای این هوآویزها دارای اهمیت است. مطالعات نشان می دهد که اثر هوآویزها بر موجودیت گازهای گلخانه ای و در نتیجه بر آب و هوا نیز مطرح و غیر قابل انکار بوده که این لزوم اهتمام به مطالعه این ذرّات را بیشتر محرز می کند. از طرفی در اختیار نداشتن اطلاعاتی از چگونگی توزیع هوآویزها در جو کره زمین، برآورد دقیق اثر آنها بر تصاویر ماهوار...
متن کاملروشی جدید در قطعه بندی خودکار تصاویر ماهواره ای با دقت بالا برای استخراج خطوط ساحلی
The objective of this paper is to introduce a new method for coastlines delineation from high-resolution satellite images automatically. The proposed approach integrates the color histogram analysis for estimating the number of clusters, fuzzy c-partition, and genetic algorithms for optimizing fuzzy c-partition matrix. The imagery is classified into homogenous areas using the proposed fuzzy log...
متن کاملروشی جدید برای عضویتدهی به دادهها و شناسایی نوفه و دادههای پرت با استفاده از ماشین بردار پشتیبان فازی
Support Vector Machine (SVM) is one of the important classification techniques, has been recently attracted by many of the researchers. However, there are some limitations for this approach. Determining the hyperplane that distinguishes classes with the maximum margin and calculating the position of each point (train data) in SVM linear classifier can be interpreted as computing a data membersh...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 7 شماره 2
صفحات 17- 26
تاریخ انتشار 2017-12
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023