بررسی و ارزیابی مدل ریاضی Rational Function و DLT ترمیم یافته جهت تصحیح هندسی زوج تصاویر ماهواره ای
Publish Year: 1384
نوع سند: مقاله ژورنالی
زبان: Persian
View: 122
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SEPEHR-14-55_003
تاریخ نمایه سازی: 16 بهمن 1400
Abstract:
پویا بودن تصاویر ماهواره ای با آرایش خطی باعث شده است تا برای تصحیح هندسی این تصاویر با دقت بالا از الگوریتم هایی با پیچیدگی بالا که نیاز به اطلاعاتی از مدار ماهواره دارند، استفاده شود. از طرفی در تصاویر ماهواره ای جدید فروشندگان این تصاویر علاقه ای به ارسال این اطلاعات ندارند. به همین خاطر برای تصحیح هندسی این تصاویر به مدل های ریاضی جدیدی نیاز داریم تا در عین حال که دقت مورد نیاز را برآورده می کنند، بدون نیاز به اطلاعات مداری ماهواره تصحیح هندسی را انجام دهند. یکی از این مدل ها، مدل Rational Function می باشد که برای این منظور مورد استفاده قرار گرفته است. دیگری مدل DLT ترمیم یافته می باشد. در این مقاله این مدل ها برای تصحیح هندسی تصاویر ماهواره ای مورد بررسی قرار گرفته اند که برای این منظور برنامه هایی در محیطVisual C نوشته شده است. برای تست این مدل ها نتایج اعمال این مدل ها بر روی تصاویر ماهواره ای IRS, IKONOS, SPOT مورد بررسی قرار گرفت که نتایج این بررسی نشان داد این مدل ها قادر به تصحیح هندسی این تصاویر می باشند. اگرچه دقت آنها در مقایسه با مدل هایی که از پارامترهای مداری استفاده می کنند کمتر است ولی ارزش این مدل ها در عدم نیاز با پارامترهای مداری ماهواره وسعت بالای آنها در پردازش و همچنین در سادگی این مدل ها می باشد.
Authors
محمد جواد ولدان زوج
دانشکده مهندسی نقشه برداری - دانشگاه صنعتی خواجه نصیر الدین طوسی
اصغر میلان لک
دانشکده مهندسی نقشه برداری - دانشگاه صنعتی خواجه نصیر الدین طوسی
مهدی غلامعلی مجد آبادی
دانشکده مهندسی نقشه برداری - دانشگاه صنعتی خواجه نصیر الدین طوسی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :