استخراج خودکار اجزای خالص و جداسازی در تصاویر ابرطیفی

پایان نامه
  • وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی
  • نویسنده یوسف رضایی
  • استاد راهنما محمد جواد ولدان زوج
  • تعداد صفحات: ۱۵ صفحه ی اول
  • سال انتشار 1389
چکیده

تخمین نویز یکی از مسائل کلاسیک در آنالیز داده ها و همچنین در مباحث سنجش از دور و به خصوص در داده های ابرطیفی می باشد. در این تحقیق، یک روش جدید تخمین نویز با استفاده از خطوط جذبی مواد مختلف در تصاویر ابرطیفی به نام netal معرفی می گردد. در این روش بر اساس ویژگیهای طیفی مواد و محاسبه پارامترهای خطوط جذبی، تصویر به نواحی همگنی تقسیم بندی شده سپس نویز در هر ناحیه جداگانه تخمین زده و نویز نهایی تصویر بر اساس نویز تخمین زده شده در هر ناحیه، محاسبه می شود. این الگوریتم با استفاده از داده های شبیه سازی شده و داده های واقعی مورد آزمایش قرار گرفته است. نتایج نشان داده که این روش با دقتی در حد روش رگرسیون چندگانه توانایی تخمین نویز را دارا می باشد. همچنین در این تحقیق، یک روش جدید که از ویژگیهای هندسی طیف و الگوریتم ژنتیک جهت استخراج اعضای خالص استفاده می نماید، پیشنهاد داده شده است. الگوریتم پیشنهادی به نام gop است، که شامل 3 مرحله، تخمین اولیه تعداد اعضای خالص با استفاده از پدیده های جذبی طیف، استخراج اولیه اعضای خالص با استفاده از تصویر نمودن داده ها بر روی زیرفضای قائم و استخراج اعضای خالص با استفاده از الگوریتم ژنتیک، می باشد. مزیت الگوریتم gop، این است که بصورت کاملاً خودکار بوده و نیاز به هیچ نوع پیش فرض در خصوص داده ها نمی باشد. نتایج این روش با استفاده از داده های شبیه سازی شده و واقعی مورد آزمایش قرار گرفته و با الگوریتمهای دیگر استخراج اعضای خالص مورد مقایسه قرار گرفت. نتایج این بررسیها نشان داد که این الگوریتم توانایی تخمین تعداد اعضای خالص و همچنین استخراج آنها را بصورت همزمان دارا می باشد. با توجه به اهمیت پدیده های جذبی موجود در طیف مواد، در شناسایی آنها، در الگوریتم پیشنهادی در این تحقیق، با نام afhd، از این پدیده های جذبی در طبقه بندی استفاده گردیده است. پارامترهای جذبی مهم، عمق باند جذبی و موقعیت باندهای جذبی می باشد. بدین منظور در این تحقیق ابتدا بر مبنای باندهای جذبی طیف پیکسل و مرجع کد گذاری گردیده و سپس محل پدیده های جذبی و همچنین عمق آنها محاسبه گردید و براساس موقعیت و عمق پدیده های جذبی و همچنین تعداد آنها یک معیار شباهت جدید معرفی گردید. الگوریتم پیشنهادی بر روی داده های شبیه سازی شده و داده های hymap مورد ارزیابی قرار گرفت. نتایج حاصل از الگوریتم و داده های برداشت شده توسط طیف سنج asd مورد ارزیابی قرار گرفت. نتایج نشان می دهد که با استفاده از این معیار و داشتن طیف مرجع می توان نسبت به شناسایی آن ماده در داخل تصویر اقدام نمود.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

جاسازی خط ویژگی وزن‌دار برای استخراج ویژگی تصاویر ابرطیفی

One of the most preprocessing steps before the classification of hyperspectral images is supervised feature extraction. Because obtaining the training samples is hard and time consuming, the number of available training samples is limited. We propose a supervised feature extraction method in this paper that is efficient in small sample size situation. The proposed method, which is called weight...

متن کامل

انتخاب باندهای بهینه جهت بهبود جداسازی طیفی تصاویر ابرطیفی

مدل آنالیز ترکیب خطی به طور گسترده‌ای برای برآورد سهم هر ماده خالص در اختلاط طیفی مورد استفاده قرار می‌گیرد. راه‌حل ریاضی مسئله ترکیب، حل مجموعه‌ای از معادلات خطی با استفاده از روش کمترین مربعات می‌باشد. اما بیشترین منبع خطا در روش‌های متداول آنالیز ترکیب طیفی ناشی از عدم امکان محاسبه تغییرات طیفی اعضای خالص در سیر زمان و مکان است. در این فرآیند از اعضای خالص ثابتی برای کل صحنه تصویربرداری استف...

متن کامل

شناسایی زیرفضای سیگنال و استخراج عضوهای خالص با ادغام اطلاعات طیفی مکانی برای بهبود جداسازی طیفی تصاویر ابرطیفی

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...

جداسازی طیفی و مکانی تصاویر ابرطیفی با استفاده از Semi-NMF و تبدیل PCA

Unmixing of remote-sensing data using nonnegative matrix factorization has been considered recently. To improve performance, additional constraints are added to the cost function. The main challenge is to introduce constraints that lead to better results for unmixing. Correlation between bands of Hyperspectral images is the problem that is paid less attention to it in the unmixing algorithms. I...

متن کامل

جاسازی خط ویژگی وزن دار برای استخراج ویژگی تصاویر ابرطیفی

یکی از مراحل مهم قبل از طبقه بندی تصاویر ابرطیفی، کاهش ویژگی با استفاده از روش های استخراج ویژگی است. در این مقاله یک روش استخراج نظارت شده پیشنهاد شده که دارای کارایی خوبی با استفاده از تعداد نمونه های آموزشی محدود است. روش استخراج ویژگی پیشنهادی که جاسازی خط ویژگی وزن دار (wfle) نامیده شده، از مفاهیم  خط ویژگی برای تولید نمونه های آموزشی مجازی استفاده می کند. نمونه های آموزشی مجازی تولید شده ...

متن کامل

استخراج ویژگی در تصاویر ابرطیفی به کمک برازش منحنی با توابع گویا

In this paper, with due respect to the original data and based on the extraction of new features by smaller dimensions, a new feature reduction technique is proposed for Hyper-Spectral data classification. For each pixel of a Hyper-Spectral image, a specific rational function approximation is developed to fit its own spectral response curve (SRC) and the coefficients of the numerator and denomi...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023