نتایج جستجو برای: تصاویر ابرطیفی

تعداد نتایج: 15332  

ژورنال: :مهندسی فناوری اطلاعات مکانی 0
سعید حمزه said hamzeh عبدالعلی ناصری abdol ali naseri سید کاظم علوی پناه seied kazem alavipanah برات مجردی barat mojaradi

شوری خاک و سفره­ های آب زیر زمینی کم­ عمق، دو عامل اصلی کاهش عملکرد محصول در مناطق مختلف ایران، بویژه در استان خوزستان و مزارع نیشکر می­ باشند. بنابراین تحقیق حاضر جهت دست­یابی به بهترین مدل­های تخمین عمق سطح ایستابی با استفاده از تصاویر ابرطیفی هایپریون در اراضی تحت کشت نیشکر صورت پذیرفت. بدین منظور، مقادیر عمق سطح ایستابی در132 چاهک مشاهده­ای واقع در زمین­های شرکت کشت و صنعت حکیم فارابی، هفته...

متن کامل
ژورنال: :پردازش علائم و داده ها 0
حسین فیاضی hossein fayyazi malek-ashtar university of technologyمجتمع فناوری اطلاعات و ارتباطات،دانشگاه صنعتی مالک اشتر،تهران،ایران حمید دهقانی hamid dehghani malek-ashtar university of technologyمجتمع مهندسی برق و الکترونیک،دانشگاه صنعتی مالک اشتر،تهران،ایران مجتبی حسینی mojtaba hosseini amirkabir university of technologyدانشکده مهندسی کامپیوتر،دانشگاه صنعتی امیرکبیر،تهران،ایران

تجزیه‏ی طیفی تصاویر ابرطیفی یکی از زمینه‏های تحقیقاتی مهم در سنجش از دور است. اخیرا استفاده‏ی مستقیم از کتابخانه‏های طیفی برای انجام تجزیه‏ی طیفی افزایش یافته‏است. در این روش‏ها که به تجزیه‏ی تُنُک موسومند، نیازی به استخراج مواد پایه و تعیین تعداد آن‏ها از قبل نیست. اما از آن‏جا که کتابخانه‏های طیفی حاوی طیف‏هایی هستند که همبستگی زیادی دارند، روش‏های تجزیه‏ی تُنُک ممکن است راه‏حل‏های نیمه بهینه‏ای ...

متن کامل
ژورنال: مهندسی نقشه برداری و اطلاعات مکانی 2018
اصغری بیرامی, بهنام, مختارزاده, مهدی,

از تصاویر ابرطیفی همواره در حوزه‌های مختلفی مانند کشاورزی، زمین‌شناسی و معدن، مدیریت شهری، نظامی، شناسایی اهداف و... استفاده است. طبقه‌بندی که یکی از مهم‌ترین شاخه‌ها از الگوریتم‌های پردازشی داده‌های ابرطیفی است که به‌طور سنتی با اطلاعات طیفی انجام می‌شود. تحقیقات گوناگون نشان داده است که استفاده از ویژگی‌های مکانی تصویر در کنار ویژگی‌های طیفی موجب می‌‌شود دقت طبقه‌بندی به میزان چشمگیری افزایش ...

متن کامل
پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی صنعتی کرمان - دانشکده نقشه برداری 1391
طیب علی پورفرد, برات مجردی,

در بخش نظارت شده با مشارکت واریانس هر کلاس در تعدیل فاصله بین کلاسی روش جدیدی با نام alda ارائه شده است. نتایج آزمایش بر روی داده ی محک زن indiana pine نشان از بهبود 4 درصدی صحت طبقه بندی بر روی ویژگی های استخراج شده از روش پیشنهادی نسبت به روش های بر پایه lda دارد.دو ضعف اصلی روش های نظارت نشده انتخاب تصادفی پیکسل های بدون برچسب و محاسبه نزدیکترین همسایگی ها بر پایه فاصله اقلیدسی است.انتخاب تص...

ژورنال: :علوم و فنون نقشه برداری 0
شهرام شریفی هشجین sh. sharifi hashjin علی درویشی بلورانی a. darvishi boloorani صفا خزائی s. khazai

در دهه­ های اخیر مطالعات بسیاری در زمینه آشکارسازی هدف در تصاویر ابرطیفی انجام شده است. این در حالیست که در زمینه آشکارسازی هدف مطالعات کمتری نسبت به حوزه طبقه­بندی جهت کاهش ابعاد و انتخاب باندهای مناسب انجام شده است. از طرفی در پردازش داده­های سنجش از دور، انتخاب باند در حوزه پردازش تصاویر ابرطیفی نقش بسیار مهمی دارد. چرا که از مجموعه تمام باندهای تصویر، بهترین آنها را از لحاظ ارزش و تنوع اطلا...

متن کامل
ژورنال: :هوش محاسباتی در مهندسی برق 0
فاطمه کوکبی حسن قاسمیان دانشگاه تربیت مدرس احمد کشاورز دانشگاه خلیج فارس

: هدف از تجزیه طیفی تصاویر ابرطیفی، استخراج امضاهای طیفی عناصر خالص تشکیل­دهنده پیکسل های صحنه و فراوانی آن هاست. بیشترِ الگوریتم های به کاررفته در فرآیند استخراج امضاهای طیفی، بدون آنکه ساختار و همبستگی مکانی پیکسل های تصویر را در نظر بگیرند، تنها به اطلاعات طیفی پیکسل های تصویر توجه کرده اند. به تازگی الگوریتم هایی پباده­سازی شده است که به کمک ترکیب اطلاعات مکانی و طیفی، فرآیند شناسایی عناصر خ...

متن کامل
ژورنال: علوم و فنون نقشه برداری 2015
جانعلی پور, میلاد, سیدین, سید علی, مقصودی, یاسر, ولدان زوج, محمد جواد,

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...

متن کامل
ژورنال: علوم و فنون نقشه برداری 2016
خزائی, صفا, درویشی بلورانی, علی, شریفی هشجین, شهرام,

در دهه­ های اخیر مطالعات بسیاری در زمینه آشکارسازی هدف در تصاویر ابرطیفی انجام شده است. این در حالیست که در زمینه آشکارسازی هدف مطالعات کمتری نسبت به حوزه طبقه­بندی جهت کاهش ابعاد و انتخاب باندهای مناسب انجام شده است. از طرفی در پردازش داده­های سنجش از دور، انتخاب باند در حوزه پردازش تصاویر ابرطیفی نقش بسیار مهمی دارد. چرا که از مجموعه تمام باندهای تصویر، بهترین آنها را از لحاظ ارزش و تنوع اطلا...

متن کامل
پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداری 1390
زیبا زرین, محمد جواد ولدان زوج,

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 ...

15 صفحه اول
پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی صنعتی کرمان - دانشکده نقشه برداری 1392
یاسر برمکی کردکلایی, علی اسماعیلی, برات مجردی, صفا خزائی,

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...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید

function paginate(evt) { url=/search_year_filter/ var term=document.getElementById("search_meta_data").dataset.term pg=parseInt(evt.target.text) var data={ "year":filter_year, "term":term, "pgn":pg } filtered_res=post_and_fetch(data,url) window.scrollTo(0,0); } function update_search_meta(search_meta) { meta_place=document.getElementById("search_meta_data") term=search_meta.term active_pgn=search_meta.pgn num_res=search_meta.num_res num_pages=search_meta.num_pages year=search_meta.year meta_place.dataset.term=term meta_place.dataset.page=active_pgn meta_place.dataset.num_res=num_res meta_place.dataset.num_pages=num_pages meta_place.dataset.year=year document.getElementById("num_result_place").innerHTML=num_res if (year !== "unfilter"){ document.getElementById("year_filter_label").style="display:inline;" document.getElementById("year_filter_place").innerHTML=year }else { document.getElementById("year_filter_label").style="display:none;" document.getElementById("year_filter_place").innerHTML="" } } function update_pagination() { search_meta_place=document.getElementById('search_meta_data') num_pages=search_meta_place.dataset.num_pages; active_pgn=parseInt(search_meta_place.dataset.page); document.getElementById("pgn-ul").innerHTML=""; pgn_html=""; for (i = 1; i <= num_pages; i++){ if (i===active_pgn){ actv="active" }else {actv=""} pgn_li="
  • " +i+ "
    • "; pgn_html+=pgn_li; } document.getElementById("pgn-ul").innerHTML=pgn_html var pgn_links = document.querySelectorAll('.mypgn'); pgn_links.forEach(function(pgn_link) { pgn_link.addEventListener('click', paginate) }) } function post_and_fetch(data,url) { showLoading() xhr = new XMLHttpRequest(); xhr.open('POST', url, true); xhr.setRequestHeader('Content-Type', 'application/json; charset=UTF-8'); xhr.onreadystatechange = function() { if (xhr.readyState === 4 && xhr.status === 200) { var resp = xhr.responseText; resp_json=JSON.parse(resp) resp_place = document.getElementById("search_result_div") resp_place.innerHTML = resp_json['results'] search_meta = resp_json['meta'] update_search_meta(search_meta) update_pagination() hideLoading() } }; xhr.send(JSON.stringify(data)); } function unfilter() { url=/search_year_filter/ var term=document.getElementById("search_meta_data").dataset.term var data={ "year":"unfilter", "term":term, "pgn":1 } filtered_res=post_and_fetch(data,url) } function deactivate_all_bars(){ var yrchart = document.querySelectorAll('.ct-bar'); yrchart.forEach(function(bar) { bar.dataset.active = false bar.style = "stroke:#71a3c5;" }) } year_chart.on("created", function() { var yrchart = document.querySelectorAll('.ct-bar'); yrchart.forEach(function(check) { check.addEventListener('click', checkIndex); }) }); function checkIndex(event) { var yrchart = document.querySelectorAll('.ct-bar'); var year_bar = event.target if (year_bar.dataset.active == "true") { unfilter_res = unfilter() year_bar.dataset.active = false year_bar.style = "stroke:#1d2b3699;" } else { deactivate_all_bars() year_bar.dataset.active = true year_bar.style = "stroke:#e56f6f;" filter_year = chart_data['labels'][Array.from(yrchart).indexOf(year_bar)] url=/search_year_filter/ var term=document.getElementById("search_meta_data").dataset.term var data={ "year":filter_year, "term":term, "pgn":1 } filtered_res=post_and_fetch(data,url) } } function showLoading() { document.getElementById("loading").style.display = "block"; setTimeout(hideLoading, 10000); // 10 seconds } function hideLoading() { document.getElementById("loading").style.display = "none"; } -->