اکثر الگوریتم های طبقه بندی داده های سنجش از دور بر اساس ویژگی ها و اطلاعات طیفی پیکسل ها عمل می کنند. این مسئله باعث نادیده گرفتن اطلاعات مکانی مفید قابل استخراج از این تصاویر، مانند؛ بافت تصاویر می شود. استفاده هم زمان از بافت و اطلاعات طیفی مبحثی است که به آن کمتر پرداخته شده است. در این پژوهش تاثیر استفاده از بافت تصویر تک باند سنجنده  ali  بر دقت طبقه بندی تصاویر ابرطیفی سنجنده هایپریون در...

امروزه تصاویر ابرطیفی در کاربردهای عملی گوناگون مانند تشخیص سطح زمین، تحلیل نوع خاک، کشاورزی (به عنوان مثال تشخیص گونه های گیاهی)، مطالعات محیطی و غیره مورد استفاده قرار می گیرند. در اکثر کاربردها جهت استخراج صحیح اطلاعات، کیفیت تصاویر به عبارت دیگر میزان سیگنال به نویز تصاویر می بایست از میزان مناسب برخوردار باشد. علیرغم پیشرفتهای قابل ملاحظه در سنسورهای مورد استفاده جهت عکسبرداری تصاویر ابرطی...

اکثر الگوریتم‌‌های طبقه‌‌بندی داده‌های سنجش از دور بر اساس ویژگی‌‌ها و اطلاعات طیفی پیکسل‌‌ها عمل می‌کنند. این مسئله باعث نادیده گرفتن اطلاعات مکانی مفید قابل استخراج از این تصاویر، مانند؛ بافت تصاویر می‌شود. استفاده هم‌‌زمان از بافت و اطلاعات طیفی مبحثی است که به آن کمتر پرداخته شده است. در این پژوهش تاثیر استفاده از بافت تصویر تک‌‌باند سنجنده  ALI  بر دقت طبقه‌‌بندی تصاویر ابرطیفی سنجنده هایپ...

در این مقاله روشی برای کاهش ویژگی در تصاویر ابرطیفی به منظور طبقه‏بندی این داده‏ها معرفی شده است که بر مبنای استخراج ویژگیهای جدید با ابعادی بسیار کمتر از ابعاد ویژگیهای نخستین عمل می‏کند. برای هر پیکسل از یک تصویر ابرطیفی یک تابع تقریب کسری گویای مجزا از طریق برازش بر منحنی پاسخ طیفی آن پیکسل تولید می‏شود. ضرائب چند جمله‏ایها‏ی‏ صورت و مخرج این تابع به عنوان ویژگیهای جدید انتخاب می‏شوند. روش پ...

فنآوری سنجش از دور ابرطیفی دارای کاربردهای فراوان در طبقه‌ بندی پوشش‌ های زمین و بررسی تغییرات آنها است. معمولترین روش جهت طبقهبندی تصاویر ابرطیفی، طبقه‌ بندی مبتنی بر پیکسل بوده که در آن هر پیکسل فقط با اطلاعات طیفی خود و بدون در نظر گرفتن پیکسل های همسایه، به کلاس مشخصی اختصاص می‌ یابد. پیشرفتهای اخیر و ایجاد تصاویری با قدرت تفکیک مکا...

بیشتر الگوریتم های طبقه بندی داده های سنجش از دور براساس ویژگی ها و اطلاعات طیفی پیکسل ها عمل می­کنند. این مسئله باعث نادیده گرفتن اطلاعات مکانی سودمند و قابل استخراج بسیاری، مانند بافت تصاویر می­شود. محیط شهری بافت ناهمگنی دارد که شناسایی انواع کاربری ها را به فرایندی دشوار و پیچیده تبدیل کرده است. در این پژوهش تأثیر استفاده از بافت تصویر تک­باند سنجندۀ ali (advanced land imager) بر دقت طبقه ب...

در این مقاله به منظور شناسایی و استخراج عوارض مختلف شهری به‌صورت خودکار از تصاویر فتوگرامتری روشی ارائه شده که در آن از ترکیب داده‌های لیدار و ابرطیفی استفاده می‌شود. مهمترین مشکل تصاویر ابرطیفی تعداد زیاد باندها و وابستگی بالای بین آن‌ها و نیز نسبت سیگنال به نویز متفاوت در باندهای مختلف می‌باشد، در این تحقیق به‌منظور کاهش ابعاد فضای داده، کمینه کردن نویز و وابستگی طیفی بین باندها، جهت دست یافت...

امروزه تصاویر ابرطیفی یکی از مهمترین ابزارهای علم سنجش از دور هستند. استفاده از این تصاویر در کاربردهای مختلف مانند کشاورزی، جنگلداری، مطالعه پوشش های گیاهی، شناسایی آلودگی ها، اکتشاف منابع طبیعی و معدنی، زمین شناسی، کاربردهای نظامی نتایج قابل توجهی را کسب کرده است. با توجه به پیشرفت سنجنده های فضایی، دقت تفکیک طیفی آنها به چند صد باند در تصاویر ابرطیفی افزایش یافته است که تعداد زیاد این باندها...

سنسورهای سنجش از دور ابرطیفی، با اخذ تصویر در چند صد طول موج مختلف، احتمال تفکیک پذیری مواد موجود در صحنه را نسبت به تصاویر چند طیفی افزایش داده و امکان طبقه بندی تصویر در تعداد کلاس های بیشتر و با دقت بالاتر را فراهم می آورند. بااین وجود، مشکلات ناشی از ابعاد بالای تصاویر ابرطیفی در بعد طیفی، موجب ناکارآمدی روشهای متداول طبقه بندی تصاویر چندطیفی در این تصاویر می شود (نفرین ابعاد). برای حل این ...