تحلیل‎‎ مولفه های اصلی ‎‎‎‎ ‎‎‎(pca)‎یکی از روش‎‎ های چند متغیره ای است که داده ها را به ابعاد کمتر‎‎ی خلاصه می کند، به طوری که اطلاعات ضروری در آن حفظ می شود. گروه بندی محلی پیکسل ها (‎‎(lpg یک مسئله ی طبقه بندی است که در این پایان نامه از روش ‎‎تطبیق بلوک بهره گرفته شده است. این پایان نامه یک روش نویز زدایی با‎ استفاده از روش تحلیل مولفه های اصلی با گروه بندی محلی پیکسل ها ارائه می دهد. با ان...

در این مقاله، یک روش پنهان نگاری تطبیقی جدید برای جاسازی داده های محرمانه در تصویر پیشنهاد شده است. روش پیشنهادی به کاربر این امکان را می دهد که با توجه به حجم اطلاعات محرمانه مورد نیاز برای انتقال به مقصد، پارامتر های الگوریتم را به نحوی تنظیم کند که علی رغم جاسازی اطلاعات محرمانه در کل پیکسل های تصویر، اختلال ایجاد شده ناشی از پنهان نگاری در تصویر را کاهش دهد. همچنین از این پارامتر ها می توان...

طبقه بندی پوشش زمین یکی از کاربرد های مهم استفاده از داده های سنجش از دوری است. از میان تصاویر و داده­های مورد استفاده در این مورد، داده های پلاریمتری راداری به خاطر امکان استخراج ویژگی های زیاد و متنوع میتوانند برای طبقه بندی گزینه مناسبی باشند. در این مقاله یک روش عارضه مبنا برای طبقه بندی مناطق شهری با استفاده از داده های پلاریمتری راداری به صورت تلفیق نتایج پیکسل مبنای طبقه بندی SVM و قطعات...

طبقه بندی بافت یکی از مهم ترین مسائل مطرح در پردازش تصویر می باشد. جهت انجام عمل طبقه بندی نیاز به استخراج ویژگی از بافت می باشد. در این تحقیق تمرکز اصلی بر روی استخراج ویژگی از بافت و بالا بردن نرخ طبقه بندی بافت می باشد. همچنین در این تحقیق روش جدیدی جهت استخراج الگوهای باینری محلی مبتنی بر فیلترینگ و ارتباط بین مقیاس های مختلف پیشنهاد می گردد. در این الگوریتم از سه ویژگی مختلف استفاده می شود...

الگوریتم های شناسایی تغییرات در تصاویر سنجش‌ازدور به دو دسته پیکسل پایه و شیءگرا بر پایه حداقل واحد پردازش تقسیم می شوند. هدف از این پژوهش مقایسه عملکرد روش های پیکسل پایه و شیءگرا در طبقه بندی کاربری اراضی در دشت های اصفهان- برخوار، نجف آباد و چادگان و بررسی تغییر کاربری اراضی در طول دوره آماری با استفاده از تصاویر لندست  (TM (1985 و (OLI (2015 است. طبقه بندی کاربری اراضی شامل قطعه بندی داده ه...

غنای داده های طیفی موجود در تصاویر ابرطیفی امکان مناسبی را برای تفکیک کلاس های مختلف عوارض موجود در صحنه تصویربرداری فراهم می کند. اما با اتکا به اطلاعات طیفی موجود در بردار ویژگی طیفی پیکسل ها نمی توان به حداکثر دقت ممکن طبقه بندی دست یافت. روش های مختلفی به منظور بهبود دقت طبقه بندی با ایجاد ویژگی های جدید یا تغییر بردار ویژگی موجود به منظور افزایش تفکیک پذیری کلاس ها در فضای ویژگی ارائه شده ...

چکیده مثال های بیشماری از تولید نقشه های پوششی و کاربری اراضی در مقیاس های جهانی، منطقه ای و محلی از تصاویر چندطیفی وجود دارد. بیشتر آنها هر پیکسل تصویر را بعنوان مشاهده مستقل، صرف نظر از مفهوم مکانی، طبقه بندی می کنند. یکی از مهمترین مشکلات تولید نقشه های پوششی و کاربری اراضی از تصاویر رقومی ترکیب پاسخ طیفی از عوارض مختلف است. همچنین در تهیه نقشه از مناطق ناهموار و کوهستانی، توپوگرافی زمین مس...

روند بیرون ¬کشیدن اطلاعات عمقی از تصاویر دوبعدی دوتایی که از صحنه¬ای واحد برداشته شدهاند تحت عنوان بینایی استریو شناخته¬ میشود. جابجایی مکانی، اختلاف موقعیت دو پیکسل متناظر از تصویرهای چپ و راست صحنه، با در نظر گرفتن یکی از تصاویر بهعنوان مرجع میباشد. در چند دهه گذشته شاهد توسعه صدها الگوریتم بینایی استریو مختلف بوده¬ایم، این امر طبقه¬بندی و مقایسه رویکردهای مختلف نسبت به این مسئله را مشکل ساخت...

طبقه بندی یکی از مهم ترین روش های استخراج اطلاعات از تصاویر رقومی ماهواره ای است. در روش های معمول پیکسل پایه، طبقه بندی براساس ارزش عددی هریک از پیکسل ها انجام می شود که نتیجه بازتاب عارضه های متناظر آن در سطح زمین است. توانایی روش های کلاسیک در طبقه بندی تصاویر ماهواره ای هنگامی که اشیاء متفاوت اطلاعات طیفی مشابهی دارند محدود می با شد. این امر موجب کاهش صحت روش های طبقه بندی پیکسل پایه می گرد...