قطعه بندی تصاویر بزرگ مقیاس سنجش از دوری به کمک روش واتر شد بر مبنای استخراج اطلاعات لبه

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 789

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCEGIT01_098

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

در این مقاله روشی نوین به منظور قطعه بندی تصاویر بزرگ مقیاس سنجش از دوری ارائه شده است این روش بر پایه ی تبدیل واتر شد و با تکیه بر استخراج اطلاعات لبه جهت افزایش دقت استخراج پیکسل های نشانه تولید شده است که مشکل افزونگی دقت و کمبود دقت در تشخیص نشانه را تا حد زیادی حذف نموده است در این روش یکی از الگوریتم های موفق استخراج لبه مورد استفاده قرار گرفته که به کمک تولید یک مدل جامع و کامل اقدام به کشف لبه تصویر می نماید سپس تصویر نشانه ی حاصل از این روند وارد الگوریتم واتر شد می شود این روش بر روی یک مجموعه داده ی تست که از نوع تصاویر بزرگ مقیاس سنجش از دوری است پیاده سازی و به کمک چندین معیار مختلف ناحیه مبنا نیز ارزیابی شده است نتایج نهایی نشان می دهد که این روش ضعف های موجود در روش سنتی الگوریتم قطعه بندی واترشد به کمک نشانه را نداشته و قطعات تصویری آن با دقت بالایی شبیه قطعات ایده آل موجود در تصویر اصلی می باشد

کلیدواژه ها:

تبدیل واترشد ، قطعه بندی تصاویر سنجش از دور ، تشخیص لبه

نویسندگان

نفیسه کاخانی

دانشجوی دکتری سنجش از دور دانشکده نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی

مهدی مختارزاده

استادیار گروه فوتوگرامتری و سنجش از دور دانشکده نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی

محمد جواد ولدان زوج

دانشیار گروه فوتوگرامتری و سنجش از دور دانشکده نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Santos, J. A. d., Gosselin, P.-H., P hilipp-Foliguet, S., Torres, ...
  • Gaetano, R., Scarpa, G., & Poggi, G. "Hierarchical texture-based segmentation ...
  • Sirmacek, B., & Unsalan, C. "A probabilistic framework to detect ...
  • novel framework for the design of change -detection systems for ...
  • review on image segmentation techniques with remote sensing A"ه [5] ...
  • Beucher, S., & Lantuejoul, C. _ of watersheds in contour ...
  • Tarabalka, Y. "Classification of Hyperspectral Data Using Spectral- Spatial Approaches", ...
  • segmentation of diatom images for Automatic:ه [9] Jalba, A. C., ...
  • Gomez, O., Gonzalez, J. A, & Morales, E. F. "Image ...
  • Dollar, P., & Zitnick, C. L. "Fast edge detection using ...
  • Mikes, S., Haindl, M., & Scarpa, G. (2012). :Remote sensing ...
  • Hoover, A, Jean-Baptiste, G., Jiang, X., Flynn, P. J., Bunke, ...
  • database of human segmented natural A:ه [14] Martin, D., Fowlkes, ...
  • Gaetano, R., Scarpa, G., & Poggi, G. (2009). "Recursive Texture ...
  • Scarpa, G., Masi, G., Gaetano, R., Verdoliva, L., & Poggi, ...
  • Elia, C. D., Poggi, G., & Scarpa, G. _ tree-structured ...
  • C orrespondence Address: No 1346, Vali Asr street, Mirdamad croSS, ...
  • نمایش کامل مراجع