CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

اعمال الگوریتم کنی جهت شناسایی خودکار گسل ها و خطواره های پنهان در تصاویر ماهواره ای چند طیفی TM منطقه ایرانکوه و مقایسه آن با داده های زمین شناسی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۱۱۳۲ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: NCEE01_088
زبان مقاله: فارسی
حجم فایل: ۳۸۵.۷۵ کیلوبایت (فایل این مقاله در ۶ 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.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله اعمال الگوریتم کنی جهت شناسایی خودکار گسل ها و خطواره های پنهان در تصاویر ماهواره ای چند طیفی TM منطقه ایرانکوه و مقایسه آن با داده های زمین شناسی

  مریم اسماعیلی - دانشجوی کارشناسی ا رشد مهندسی معدن اکتشاف، دانشگاه صنعتی اصفهان، ایران
  نادر فتحیان پور - دانشیار، دانشکده معدن دانشگاه صنعتی اصفهان، ایران
  مرتضی طبایی - استادیار، دانشکده معدن دانشگاه صنعتی اصفهان، ایران

چکیده مقاله:

وابستگی تعدادی از ذخایر مواد معدنی مهم مانند سرب، روی و مس و .. به گسل ها و خطواره ها از یک سو و روش های غیراتوماتیک و تجربی برای تشخیص این نوع گسل ها و خطواره ها از سوی دیگر اهمیت به کارگیری روش های اتوماتیک و دقیق برای تشخیص آنها را روشن می سازد. دانش پردازش تصویر (Image Processing) تکنیک هایی را برای تشخیص لبه (Edge Detection) ارائه می دهد که در علوم دیگر از جمله علوم نظامی، پزشکی، معدن، زمین شناسی و ... کاربرد می یابند. از جمله ی این روش ها می توان به اپراتورهای تشخیص لبه سوبل (Sobel)، پریویت (Prewitt) و کنی (Canny) اشاره کرد. این مقاله به بررسی کاربرد اپراتور تشخیص لبه کنی (Canny) به منظور یافتن گسل ها و خطواره ها می پردازد. مورد مطالعاتی (Case Study) گسل ایرانکوه می باشد که با کانی سازی سرب و روی در ارتباط است و نتایج بدست آمده نسبتا قابل قبول بوده و انتظار می رود این الگوریتم در حیطه تشخیص گسل و خطواره در آینده نزدیک توسعه و بهبود یابد.

کلیدواژه‌ها:

ایرانکوه، تشخیص لبه، کنی، خطواره، گسل

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-NCEE01-NCEE01_088.html
کد COI مقاله: NCEE01_088

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:
اسماعیلی, مریم؛ نادر فتحیان پور و مرتضی طبایی، ۱۳۹۲، اعمال الگوریتم کنی جهت شناسایی خودکار گسل ها و خطواره های پنهان در تصاویر ماهواره ای چند طیفی TM منطقه ایرانکوه و مقایسه آن با داده های زمین شناسی، اولین کنفرانس ملی مهندسی اکتشاف منابع زیرزمینی، شاهرود، دانشگاه شاهرود، دانشکده مهندسی معدن، نفت و ژئوفیزیک، https://www.civilica.com/Paper-NCEE01-NCEE01_088.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: (اسماعیلی, مریم؛ نادر فتحیان پور و مرتضی طبایی، ۱۳۹۲)
برای بار دوم به بعد: (اسماعیلی؛ فتحیان پور و طبایی، ۱۳۹۲)
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 :

  • تقی زاده، م. (۱۳۳۳) بررسی عملکرد فیلترهای گسسته و طراحی ...
  • Canny, J.(1986), " A computational approach to edge , Canadian ...
  • Mark Nixon & Alberto Aguado(2008), feature extraction & image processing ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۲۹۴۸
    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.