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
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,784
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCEE01_088
تاریخ نمایه سازی: 22 فروردین 1393
Abstract:
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.
Authors
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
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 :