بازسازی پیکسلهای مخلوط با استفاده از اطلاعات پیکسلهای ادغام شده

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,010

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELECTRICA01_012

تاریخ نمایه سازی: 11 اردیبهشت 1394

چکیده مقاله:

طبقهبندی پیکسلهای مخلوط یکی از مشکلات مهم در تجزیه و تحلیل اطلاعات سنجش از دور است. الگوریتمهای مختلفی برای تفکیک پیکسلهای خالص در یک پیکسل مخلوط با معیارحداکثر صحت پیشنهاد شده است. در این مقاله پس از بررسی الگوریتمهای متداول در این زمینه،الگوریتم جدیدی برای افزایش دقت مکانی تصاویرپیشنهاد خواهد شد. در این الگوریتم یک جدول جستجوی مناسب با ادغام پیکسلهای اطلاعاتورودی ایجاد میشود. با تعریف یک معیار مناسب برای شباهت پیکسلها، برای هر پیکسل ورودی یک پیکسل مشابه در جدول جستجو پیدا می- کنیم. در این جستجو، از اطلاعات دامنه پیکسلها برای محاسبه نسبت زیرپیکسلها و از اطلاعات بافت پیکسلهای مجاور برای مکانیابی زیرپیکسلهای استفاده میشود. الگوریتم پیشنهادی بر روی دادههای واقعی جهت افزایش دقت مکانی و طبقهبندی اطلاعات پیادهسازی شده و نتایج با طبقهبندیسخت مقایسه شده است. نتایج شبیهسازیها حداقل 51 % بهبود ضرایب طبقهبندی در بازسازی پیکسلهای مخلوط نسبت به طبقهبندی سخت را نشانمیدهند

نویسندگان

منصور زینلی

استادیار دانشکده برق، - دانشگاه آزاد اسلامی واحد نجف آباد

حسن قاسمیان

دانشکده مهندسی برق و کامپیوتر دانشگاه تربیت مدرس، گروه مخابرات

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 :
  • Manslow J.F, Nixon M.S. On The Ambiguity Induced By A ...
  • Mertens K. C., Verbeke L. P. C. & De Wulf ...
  • Atkinson P.M., Downscaling In Remote Sensing, Int. J. Appl. Earth ...
  • Settle J.J., Drake N.A. Linear Mixing And The Estimation Of ...
  • Journal Of Remote Sensing, no.14, pp. 1159-1177, 1993. ...
  • Wu C., Murray A.T. Estimating Impervious Surface Distribution By Spectral ...
  • Foody G.M., Cox D.P., Sub-Pixel Land Cover Composition Estimation Using ...
  • Zhang J. Fully-Fuzzy Supervised Classification Of Sub-Urbar Land Cover From ...
  • Foody G.M. Estimation Of Sub-Pixel Land Cover Composition In The ...
  • Fang Q. Neuro-Fuzzy Based Analysis Of Hyper Spectral Imagery, Pho ...
  • Foody G.M., Arora M.K. An Evaluation Of Some Factors Affecting ...
  • Woodcock C.E., Gopal S., Albert W. Evaluation Of The Potential ...
  • Woodcock C.E., Gopal S., Albert W. Evaluation Of The Potential ...
  • Thornton M W., Atkinson P. M. And Holland D. A, ...
  • Ling F., Du Y., Xiao F., and Li X., Subpixel ...
  • Jian Zhang, Xiaoling Chen, WenXia Gan, Shoujin Yin and Hao ...
  • Qunming Wang, Wenzhong Shi, and Liguo Wang, Allocating Classes for ...
  • Mertens K. C., Verbeke L. P C., Westra T., De ...
  • Zhong Y., Zhang L, Li P., Shen H., A Sub-Pixel ...
  • Boucher A., Sub-Pixel Mapping Of Coarse Satellite Remote Sensing Images ...
  • Jupp D. L. B., Strahler A. H., Woodcock C E., ...
  • https ://engineering .purdue. edu/-biehl/M ulti S pec/hvpersp ectral .html ...
  • نمایش کامل مراجع