برآورد نوفه موجود در تصاویر ابرطیفی یکی از راه‌های افزایش کیفیت اطلاعات استخراج شده و کاهش عدم قطعیت در نتایج است. تا‌کنون ساده­ترین روش به‌کار گرفته شده در برآورد نوفه در این تصاویر، استفاده از روش اختلاف شیفت بوده­ است، اما این روش دارای دو نقطه ضعف است؛ اولاً مبتنی بر این فرض است که پیکسل‌های همسایه دارای اطلاعات سیگنال یکسانی هستند که الزاما در داده­های ابرطیفی صدق نمی­کند، ثانیاً برای محاسبه...

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 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...

تصاویر ابرطیفی با قدرت تفکیک طیفی بالا باعث پیشرفت‌های وسیعی در حوزه‌های مختلف سنجش از دور شده‌اند. یکی از مهمترین کاربردهای این تصاویر در حوزه کشاورزی و جنگل می‌باشد. هدف از این تحقیق بهبود طبقه‌بندی گونه‌های مختلف گیاهی در منطقه Botswana با استفاده از تلفیق الگوریتم‌های تشخیص هدف در تصویر ابرطیفی می‌باشد. در گام اول الگوریتم‌های تشخیص هدف بر روی تصویر ابر طیفی پیش‌پردازش شده پیاده‌سازی شد. در...

طبقه بندی پیکسل های مختلط فرآیندی است که سعی دارد نوع و سهم هر یک از مولفه های خالص موجود در پیکسل ها را برآورد کند به دلیل وجود پیکسل های مختلط در تصاویر ابرطیفی، دقت طبقه بندی در این تصاویر با روش های معمول طبقه بندی کاهش می یابد. یکی از روش های متداول برای طبقه بندی پیکسل های مختلط در تصاویر ابرطیفی، جداسازی طیفی است که به کاربران امکان استخراج اطلاعات را در سطح زیرپیکسل می دهد. جداسازی طیفی...

در این تحقیق به پیاده سازی و ارزیابی الگوریتم ماشین های بردار پشتیبان در تصاویر ابرطیفی پرداخته شده است. در طبقه بندی تصاویر ابرطیفی به علت ابعاد زیاد، کم بودن نمونه های آموزشی، تغییرات مکانی امضای طیفی، وجود نویز دارای چالش هایی هستیم. با توجه به مشکلات مطرح شده در طبقه بندی تصاویر ابرطیفی نیاز به روش هایی می باشد که به راحتی با ابعاد بالای داده های ورودی کار کرده و همچنین با نمونه های آموزشی ...

یکی از مهم ترین پردازش ها در حیطه ی تصاویر ابر طیفی، آشکارسازی اهداف در سطح زیر پیکسل می باشد. به دلیل قدرت تفکیک طیفی بالای تصاویر ابرطیفی از یک سو و قدرت تفکیک مکانی محدود آنها از سوی دیگر، اهداف مورد نظر در سطح زیر پیکسل ظاهر می شوند. از این رو آشکارسازی این اهداف با استفاده از روش های رایج پردازش تصویر که بر مبنای اطلاعات مکانی استوار هستند امکان پذیر نیست. در طی سال های اخیر روش های متفاوت...

تصویربرداری ابرطیفی ابزاری مهم در کاربردهای سنجش از دور به شمار می رود. اگرچه حسگرهای ابرطیفی وضوح طیفی بسیار بالایی دارند، وضوح مکانی آنها محدود است که این امر یکی از دلایل به وجود آمدن پیکسل های آمیخته در تصاویر ابرطیفی است. تجزیه و تحلیل پیکسل های آمیخته یا جداسازی طیفی، تجزیه این پیکسل ها به مجموعه ای از عضوهای پایانی و فراوانی های کسری است. عضوهای پایانی، طیف های استخراج شده مربوط به مواد ...

امروزه تقاضا برای محصولات با کیفیت بالا افزایش یافته و استانداردهای سختگیرانه‌ای برای سلامت آنها وضع می شود. لذا برای ارتقاء صادرات انواع محصولات کشاورزی، استفاده از فن آوری های پیشرفته پس از برداشت، برای تعیین سریع تر، موثرتر و دقیق تر کیفیت و سلامت محصولات ضروری می باشد. در این تحقیق، روش تصویربرداری ابرطیفی در محدوده 400 تا 1000 نانومتر، برای تشخیص سیب های آفت زده توسط کرم سیب، بکار برده شده...

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...