سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

استفاده از متغیرهای جذبی طیفی به منظور برآورد سریع نوفه در تصاویر ابرطیفی

Publish Year: 1390
Type: Journal paper
Language: Persian
View: 283

This Paper With 6 Page And PDF Format Ready To Download

Export:

Link to this Paper:

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 :
ReferencesBioucas-Dias, J. E. M., Nascimento J. E. M. P., ۲۰۰۸- ...
Gao, L. R. & Zhang, B., ۲۰۰۸- A New Operational ...
Green, R. O., Eastwood, M., ۲۰۰۱- Overview of AVIRIS Acquisitions ...
http://aviris.jpl.nasa.gov/html/aviris.freedata.html ...
Kruse, F. A. & Boardman, J. W. , ۲۰۰۲- Evaluation ...
Mather, P. M., ۱۹۹۹- Computer Processing of Remotely Sensed Images, ...
Nascimento, J. E. M. P., ۲۰۰۶- Unsupervised Hyperspectral Unmixing. Instituto ...
Roger, R. E., Arnold, J. F., ۱۹۹۶- Reliably estimating the ...
Swayze, G. A. & Clark, R. N., ۱۹۹۲- Ground-truthing aviris ...
Tsai, F. & Philpot, W., ۱۹۹۸- Derivative Analysis of Hyperspectral ...
Van der Meer, F., ۲۰۰۴- Analysis of spectral absorption features ...
Zhang, J. & Rivard, B., ۲۰۰۴- Derivative Spectral Unmixing of ...
نمایش کامل مراجع