استفاده از متغیرهای جذبی طیفی به منظور برآورد سریع نوفه در تصاویر ابرطیفی
Publish place: Quarterly Journal of Geosciences، Vol: 21، Issue: 82
Publish Year: 1390
Type: Journal paper
Language: Persian
View: 283
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_GSJ-21-82_026
Index date: 6 February 2022
استفاده از متغیرهای جذبی طیفی به منظور برآورد سریع نوفه در تصاویر ابرطیفی abstract
برآورد نوفه موجود در تصاویر ابرطیفی یکی از راه های افزایش کیفیت اطلاعات استخراج شده و کاهش عدم قطعیت در نتایج است. تا کنون سادهترین روش به کار گرفته شده در برآورد نوفه در این تصاویر، استفاده از روش اختلاف شیفت بوده است، اما این روش دارای دو نقطه ضعف است؛ اولا مبتنی بر این فرض است که پیکسل های همسایه دارای اطلاعات سیگنال یکسانی هستند که الزاما در دادههای ابرطیفی صدق نمیکند، ثانیا برای محاسبه صحیح نوفه نیازمند استفاده از مناطق همگن است که غالبا این مناطق به صورت نظارت شده، تعیین می شوند. در این پژوهش روشی جدید برای برآورد نوفه (NETAL) معرفی شده است. در این روش، با استفاده از فضای منحنی بازتابندگی طیفی مواد و باندهای جذبی و محل قرارگیری و ژرفای این باندها در طیف هر پیکسل، تصویر ماهوارهای به پهنه های همگنی تقسیم بندی شد. سپس در هر پهنه نوفه با استفاده از روش رگرسیون بین هر دو باند مجاور، محاسبه شده و در نهایت نوفه کل، از جمع نوفه در هریک از نواحی به دست آمد. برای ارزیابی نتایج از دادههای شبیه سازی شده و دادههای ابرطیفی واقعی استفاده شد. نتایج بهدست آمده نشان داد که برآورد نوفه توسط الگوریتم NETAL سریع تر و دقت برآورد آن برابر با الگوریتم رگرسیون چندگانه و در بعضی حالت ها بهتر از آن است.
استفاده از متغیرهای جذبی طیفی به منظور برآورد سریع نوفه در تصاویر ابرطیفی Keywords:
استفاده از متغیرهای جذبی طیفی به منظور برآورد سریع نوفه در تصاویر ابرطیفی authors
یوسف رضایی
دانشگاه آبادانی و توسعه، همدان، ایران
محمد رضا مباشری
دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران.
محمدجواد ولدان زوج
دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
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 :