کاهش نویز تصاویر ابر طیفی و بررسی تاثیر آن بر جداسازی طیفی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 695

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_173

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

در سال های اخیر تصاویر ابر طیفی در کاربردهای عملی گوناگون مورد استفاده قرار گرفته اند بسیاری از این کاربردها مستلزم تصاویری هستند که دارای نسبت سیگنال به نویز بالایی باشند اگرچه حسگرهای ابرطیفی نسبت به نویز خیلی حساس هستند اما نویز در بیشتر آنالیزها تاثیر می گذارد در تصایر ابرطیفی بسیاری از باندهای طیفی دارای سطح نویز کم هستند اما تعداد قابل توجهی از باندها حداکثر 20درصد به واسطه تاثیرات اتمسفری به شدت نویز پذیر می باشند بسیاری از محققان به سادگی این باندهای دارای نویز زیاد را دور می ریزند اما برای بعضی کاربردهای خاص حفظ اطلاعات طیفیشان مهم می باشد بنابراین الگوریتمی که این باندها را نویزدایی و بازسازی کند امکان استفاده از اطلاعات مفید آن ها را فراهم می سازد در حضور نویز ضرایب همبستگی بین باندهای مجاور به طور قابل توجهی کاهش می یابد در الگوریتم ارائه شده در این مقاله ما معیارهای متفاوتی برای نویززدایی باندهای پرنویز و کم نویز در نظر می گیریم در این مورد همبستگی مکانی و طیفی به طور همزمان در نظر گرفته می شود همچنین جداسازی طیفی بر داده های نویز زدایی شده اعمال و خطاهای بازسازی مقایسه می شوند در پایان از معیارهای متفاوتی برای سنجش کیفیت تصاویر به دست آمده استفاده می شود شبیه سازی انجام شده کارایی زیاد الگوریتم پیشنهادی را در مقایسه با دیگر روش های استاندارد در این زمینه نشان می دهد به علاوه روش هایی برای جداسازی باندهای پرنویز معرفی می گردد

کلیدواژه ها:

تصاویر ابر طیفی ، نسبت سیگنال به نویز ، همبستگی مکانی و طیفی ، جداسازی طیفی

نویسندگان

محمدرضا پوست فروش

دانشجوی کارشناسی ارشد مهندسی مخابرات موسسه آموزش عالی بعثت کرمان

سیامک طالبی

دانشیار گروه مهندسی برق دانشکده مهندسی برق دانشگاه شهید باهنر کرمان

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 :
  • H. Zhang, L. Zhang, and H. Shen, _ Super-Res olution ...
  • R. A. Schowengerdt, Remote Sensing: Models and Methods for Image ...
  • C.-I. Chang, Hyperspectral Data Exploitation: Theory and Applications: John Wiley ...
  • R. Rajabi, and H. Ghassemian, "Sparsity Constrained Graph Regularized Nmf ...
  • R. Heylen, D. Burazerovic, and P. Scheunders, "Fully Constrained Least ...
  • D. L. Donoho, "De-Noising by Soft-Thresho lding, " Information Theory, ...
  • G. Chen, and S.-E. Qian, "Simultaneos Dimensionality Reduction and Denoising ...
  • D. Letexier, and S. Bourennane, "Noise Removal from Hyperspectral Images ...
  • S. Mallat, A Wavelet Tour of Signal Processing: Academic presss ...
  • J.-L. Starck, E. J. Candes, and D. L. Donoho, "The ...
  • _ Demanet , and L. Ying, "Curvelets and Wave Atoms ...
  • Y. Li, H. Gong, D. Feng, and Y. Zhang, "An ...
  • J. M. Nascimento, and J. M. Bioucas Dias, :0Vertex Component ...
  • نمایش کامل مراجع