فشرده سازی تقریباً بی اتلاف برای تصاویر سنجش از دور چندطیفی با استفاده از بخش بندی و اطلاعات مکانی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 383

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

PFCONF01_020

تاریخ نمایه سازی: 30 بهمن 1394

چکیده مقاله:

فشرده سازی تصاویر همواره یکی از موضوعات اصلی پژوهش در زمینه پردازش تصاویر سنجش از دور بوده است. در این مقاله، روشیبرای فشرده سازی تصاویر سنجش از دور چندطیفی پیشنهاد شده است که هدف از آن، حفظ اطلاعات موردنیاز برای بازسازی تصویرمی باشد. روال کار به این صورت است که در ابتدا یک بخش بندی بر روی تصویر انجام شده و سپس اطلاعات هر بخش از تصویرفشرده و ارسال میگردد. در بازسازی تصویر، با استفاده از اطلاعات هر بخش، تصویر اولیه بازسازی می شود . برای این منظور ازاطلاعات بازسازی بافت استفاده خواهد شد. در نهایت، با استفاده از استخراج پارامترهای مدل بافت تصویر و ترکیب آنها با اطلاعاتویژگی حاصل از بخش بندی، نرخ فشرده سازی تصاویر سنجش از دور بهبود داده میشود. با توجه به حجم بالای داده های سنجش ازدور، به جای تصویر اصلی، تصویر بخش بندی شده به همراه پارامترهای بافت تخمین زده شده از تصویر اصلی، به اضافه ی تصویرفشرده شده حاصل از تفاضل تصویر اصلی با تصویر حاصل از پارامترهای بافت را میتوان ارسال نمود و در گیرنده با استفاده از اطلاعاتارسال شده، تصویر اولیه بازسازی میشود. در این صورت، تصویر با بیشترین شباهت ممکن بازسازی می شود و می توان این روش رایک روش تقریباً بدون اتلاف تلقی نمود. در مقایسه با روشهای فشرده سازی برای تصاویر سنجش از دور چندطیفی، روش پیشنهادیبا توجه به اینکه با استفاده از بخش و اطلاعات مکانی، فشردهسازی را انجام میدهد، اطلاعات موردنیاز را در دادهی فشرده شده حفظکرده و نرخ فشرده سازی مناسب تری را نسبت به دیگر روشها حاصل می کند.

نویسندگان

محسن حامد

آموزشکده فنی و حرفه ای سما، دانشگاه آزاد اسلامی واحد بوشهر، بوشهر، ایران

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 :
  • Ahmed. N, Natarajan. T, and Rao. K. R, "Discrete Cosine ...
  • Beucher. S, _ watershed transformation applied to image Segmentation, Scanning ...
  • Cerra.D and Datcu. M, "Compression -based hierarchical clustering of SAR ...
  • Cross. G and Jain. A, "Markov random field texture models, ...
  • Diaz. N, and Manian. V., "Hyperspectral Texture Synthesis by 3D ...
  • Diaz. N and Manian. V, "Hyperspectral texture synthesis by multiresolution ...
  • Grangetto. M, Magli. E, "Optimization and Impl ementation of the ...
  • Gudise. V. G, and Ven ayagamoorthy. G. K, "Comparison of ...
  • Huffman. D. A, ":A Method for the Construction of Min ...
  • Jiang.H, Yang. K, Liu. T and Zhang. Y, "Remote sensing ...
  • Li. R. Y, Kim. J, and Shamkhi. N, "Image Compression ...
  • Pal. N. R, and Pal, S. K, "A Review on ...
  • Plaza. A, Plaza. J and Sanche. S, (2009), "Lossy Hyperspectral ...
  • Shen H. L, Li. K., and Xin, J. H., "Mulispectral ...
  • Swain, P. H. and S. M. Davis, eds., "Remote Sensing: ...
  • Tarabalka Y, Chanussot. J, and Benediktsso. J. A, "Segmentation and ...
  • Vincent. L and Soille. _ "Watersheds in digital spaces: An ...
  • نمایش کامل مراجع