امروزه مبحث "بافت تصویر" نقش بسیار مهمی در روند پردازش تصویر وکاربردهای بینایی ماشین ایفا می کند. یکی از مهمترین زمینه های تحقیقاتی این حوزه، طراحی یک سیستم اتوماتیک به منظور طبقه بندی بافت تصویر می باشد. بدین منظور، تاکنون روش های بسیار زیاد و بر اساس ویژگی های مختلف ارائه شده است. از میان روش های موجود، روش الگوهای باینری محلی، در شکل اصلی و بهبود یافته خود، مورد توجه بسیاری از متخصصان این زم...

هدف از این پایان نامه، بررسی کارآیی فواصل متفاوت در بازیابی و طبقه بندی تصویر بر اساس ویژگی های مبتنی بر رنگ و بافت می باشد. این ویژگی ها در دو کلاسه بندیk همسایه نزدیکتر و ماشین بردار پشتیبان مورد ارزیابی قرار می گیرند. بازیابی تصویر بر اساس محتوا یکی از حوزه های تحقیقاتی بسیار مهم در زمینه ی پردازش تصویر و پایگاه داده ی چند رسانه ا ی است. هدف محققان در بازیابی تصویر بر اساس محتوا پیدا کردن وی...

در سامانه های بینایی ماشین جهت استخراج ویژ گی های تصویری عموماً از سه محتوای رنگ، بافت و شکل استفاده می شود. در این پایان نامه، ویژگی بافت تصویر مورد توجه قرار گرفته و از آن، برای افزایش کارایی و دقت طبقه بندی داده های تصویری استفاده شده است. روش های استخراج ویژگی بافت، به چهار دسته عمده ی آماری، ساختاری، مبتنی بر مدل و مبتنی بر تبدیل های تصویری تقسیم می شود. اخیراً روش های مبتنی بر نمایش تنک سیگ...

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...

غنای طیفی تصاویر ابرطیفی به اندازه ای بالاست که آن ها را برای بسیاری از کاربردها مناسب می نماید. استفاده از این استعداد نهفته البته با چالش هایی نیز همراه می باشد. در زمینه ی طبقه بندی نظارت شده یکی از این چالش ها نیاز به تعداد نمونه های آموزشی بیشتر است. در طبقه بندی این مساله تحت عنوان پدیده ی هاف شناخته می شود. کارایی طبقه بندی کننده های متداول که ذاتاً برای پردازش تصاویر چند طیفی توسعه داده ...

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...

استفاده از فناوری­های نوینی همچون سنجش از دور و سامانه اطلاعات جغرافیایی جهت مطالعه اکوسیستم­های گیاهی و به خصوص تهیه نقشه­های زمین پوشش، مستلزم شناخت کارآیی این ابزار و نیز شناسایی بهترین روش­های کاربرد آن­ها می­باشد. هدف از انجام این مطالعه مقایسه میزان کارآیی سه روش رایج طبقه­بندی نظارت­شده داده­های ماهواره­ای (روش حداقل فاصله از میانگین، روش متوازی السطوح و روش حداکثر احتمال) در تشخیص گروه­...

شناخت نوع ابر و طبقه بندی ابرها از ابتدایی ترین اصول در اکثر روش های پیش بینی بارش است که در بیشتر مواقع به صورت بصری و با مقایسه تصاویر باندهای مادون قرمز و باندهای مرئی انجام می شود. دراین گونه مطالعات تنها از دمای روشنایی ابر و البدوی آن برای طبقه بندی ابر استفاده می شود، در صورتی که بافت و شکل ابرها نیز از عوامل تاثیر گذار در تشخیص انواع آن هاست. روش طبقه بندی شیءگرا به علت استفاده از پارام...

پدیده های بیو فیزیکی و دست ساخت بشر توسط روشهای پردازش تصویر قابل شناسایی و تفکیک می باشند. شناسایی پدید ه هایی ­مانند کاربری ­و پوشش اراضی به روشهای سنتی ­وقت گیر و پر هزینه است. درحالی که روشهای رقومی استخراج اطلاعات از داده های دور سنجی سریعتر و کم ­هزینه تر می باشد . امروزه، سنجنده های ماهواره ای علاوه بر ثبت اطلا عات طیفی، قادر به جمع آوری اطلاعات مکانی از پدیده های سطح زمین نیز می‌باشند، ...

اکثر الگوریتم های طبقه بندی متداول در سنجش از دور بر اساس ویژگی ها و اطلاعات طیفی پیکسل ها عمل می کنند. این مسئله باعث نادیده گرفتن مقدار زیادی از اطلاعات فضایی مفید مانند بافت در طبقه بندی تصاویر می گردد. پژوهش های زیادی در زمینه به کارگیری بافت در طبقه بندی تصاویر انجام گردیده است، لیکن استفاده هم زمان از بافت و اطلاعات طیفی مبحث جدیدی است که به آن کمتر پرداخته شده است. در این پژوهش سعی گردید...