CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

بررسی روش های مختلف استخراج ویژگی به منظور طبقه بندی تصاویر پر طیفی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۱۲۴۸ | نظرات: ۰
سال انتشار: ۱۳۸۶
نوع ارائه: پوستر
محل انتشار: همایش ژئوماتیک 86
کد COI مقاله: GEO86_139
زبان مقاله: فارسی
حجم فایل: ۲۴۰.۶۱ کلیوبایت (فایل این مقاله در ۱۲ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۲ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله بررسی روش های مختلف استخراج ویژگی به منظور طبقه بندی تصاویر پر طیفی

  مجید رحیم زادگان - دانشجوی کارشناسی ارشد دانشگاه صنعتی خواجه نصیرالدین طوسی
  محمدجواد ولدان زوج (شناسه پژوهشگر - Researcher ID: ۲۴۰۷)
دانشیار گروه سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی
مسعود ورشوساز - استادیار گروه فتوگرامتری، دانشکده مهندسی نقشه برداری، دانشگاه صنعت
  یاسر مقصودی مهرانی - کارشناس ارشد سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی

چکیده مقاله:

طبقه بندی تصاویر پر طیفی یکی از مهم ترین و پر کاربردترین روش های استخراج اطلاعات در تصاویر ماهواره ای است. استخراج ویژگی یکی از مهم ترین روش های کاهش تعداد باندها در تصاویرت ماهواره ای پر طیفی به منظور انجام یک طبقه بندی مناسب است. درتصاویر ماهواره ای پر طیفی، به علت وجود تعداد زیادی باند و همچنین محدود بودن نمونه های آموزشیریال طبقه بندی این تصاویر با مشکل مواجه خواهد شد. این مشکل به علت پدیده Hughes اتفاق می افتد. روش های مختلف استخراج ویژگی با در نظر گرفتن تعداد ابعاد بهینه برای طبقه بندی تصاویر پر طیفی، مشکل به وجود آمده به علت پدیده Hughes را حل می نماید. در این مقاله به بررسی روش های استخراج ویژگی در تصاویر ماهواره ای پر طیفی پرداخته می شود. نتایج به دست آمده نشان می دهد که روش NWFE مناسب ترین روش برای استخراج ویژگی در تصاویر ماهواره ای پر طیفی می باشد.

کلیدواژه‌ها:

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-GEO86-GEO86_139.html
کد COI مقاله: GEO86_139

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
رحیم زادگان, مجید؛ محمدجواد ولدان زوج؛ مسعود ورشوساز و یاسر مقصودی مهرانی، ۱۳۸۶، بررسی روش های مختلف استخراج ویژگی به منظور طبقه بندی تصاویر پر طیفی، همایش ژئوماتیک 86، تهران، سازمان نقشه برداری کشور، https://www.civilica.com/Paper-GEO86-GEO86_139.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (رحیم زادگان, مجید؛ محمدجواد ولدان زوج؛ مسعود ورشوساز و یاسر مقصودی مهرانی، ۱۳۸۶)
برای بار دوم به بعد: (رحیم زادگان؛ ولدان زوج؛ ورشوساز و مقصودی مهرانی، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • David Landgrebe, Signal Theory Methods In Multispectral Remote Sensing, 508 ...
  • G. F. Hughes, _ On the mean accuracy of statistical ...
  • B-C. Kuo and D. A. Landgrebe, *'Improved Statistics Estimation And ...
  • Extraction For Hyperspectral Data C lassification?, PhD Thesis and School ...
  • J. P. Hoffbeck and D.A. Landgrebe, _ 4Classification of High ...
  • S. Tadjudin and D. A. Landgrebe, 4Covariance Estimation With Limited ...
  • Saldju Tadijudin and David Landgrebe, _ 4Classification of High Dimensional ...
  • J. P. Hoffbeck and D.A. Landgrebe, 4Covariance matrix estimation and ...
  • J.H. Friedman, *Regularized Discriminant Analysis' , Journal of the American ...
  • K. Fukunaga, Introduction to Statistical Pattern Recognition, Second Ed., Boston, ...
  • B-C. Kuo and D. A. Landgrebe, ، ^Nonp arametric Weighted ...
  • R, P. W. Duin and R. Haeb-Umb ach, ،#Multiclass Linear ...
  • Marco Loog, R.P.W. Duin, ،*Multiclass Linear Dimension Reduction by Weighted ...
  • PhD Thesis and School of Electrical Engineering Purdue University West ...
  • Chullee Lee and David Landgrebe, ،Feature Extraction And C lassificatiom ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۱۲۴۱۱
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.