Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

بخش بندی تصاویر سنجش از دور SAR با استفاده از ویژگی های بافت استخراجی با تبدیل کرولت و مدل مخلوط گوسی

Year: 1393
COI: PNUOPEN01_016
Language: PersianView: 586
This Paper With 8 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

زهرا فرجی - دانشجوی کارشناسی ارشد برق الکترونیک، دانشکده مهندسی، دانشگاه شهید چمران اهواز
غلامرضا اکبری زاده - استادیار گروه برق، دانشکده مهندسی، دانشگاه شهید چمران اهواز

Abstract:

قطعه بندی تصاویر سنجش از دور SAR، اغلب بعنوان یک مسئله چالش برانگیز شناخته می شود و این موضوع ناشی از نویز نقطه ای است که در این تصاویر وجود دارد و باعث شده است که اعمال الگوریتم های سنتی بخش بندی بر روی این تصاویر منجر به نتایج قابل قبولی نگردد. در این مقاله الگوریتمی برای قطعه بندی تصاویر سنجش از دور SAR با استفاده از ویزگی بافت تصاویر ارائه شده است. می دانیم که بافت تصاویر نقش مهمی در تشخیص و اشکارسازی اشیا در پردازش تصاویر بازی می کند. در این الگوریتم، ویژگی های نهایی از ترکیب ویژگی های بافت استخراجی از ماتریس های هم رخداد سطح خاکستری (GLCM) کرولت با ویژگی های بافت بدست آمده از خود تصویر اصلی ایجاد می گردند. سپس با استفاده از بردار ویژگی حاصل، یک مدل مخلوط گوسی (GMM) ایجاد می کنیم. و در نهایت قطعه بندی تصویر را با استفاده از این مدل انجام خواهیم داد. یکی از کاربردهای بسیار مفید روش پیشنهادی، قطعه بندی و متمایز نمودن بافت هر ناحیه از هر تصویر SAR است. نتایج شبیه سازی و ازمایشات انجام شده توسط این الگوریتم بر روی تصاویر SAR ارائه شده است. این نتایج بیانگر قدرت روش پیشنهادی در قطعه بندی و توصیف بافتهای مختلف در تصاویر SAR بوده و کمتر تحت تأثیر شدت نویز نقطه ای در تصاویر SAR خواهد بود.

Keywords:

Paper COI Code

This Paper COI Code is PNUOPEN01_016. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/370353/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
فرجی، زهرا و اکبری زاده، غلامرضا،1393،بخش بندی تصاویر سنجش از دور SAR با استفاده از ویژگی های بافت استخراجی با تبدیل کرولت و مدل مخلوط گوسی،First National Symposium on Robotics and Artificial Intelligence،Ahvaz،https://civilica.com/doc/370353

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 :

  • F. Lang, J. Yang, D. Li, L. Zhao, and L. ...
  • X. Lian, Y. Wu, W. Zhao, F. Wang, Q. Zhang, ...
  • L. Gan, Y. Wu, F. Wang, P. Zhang, and Q. ...
  • G. Shuiping, X. Zhuang, H. Zhu, and T. Yu, :Parallel ...
  • H. Yu, X. Zhang, S. Wang, and B. Hou, "Context ...
  • J. S. Lee, T. L. Ainsworth, and P. R. Kersten, ...
  • D. Ziou, S. Wang, Q. Jiang, and A. E. Zarrt, ...
  • I. Jurkevich and J. S. Lee, "Segmentation of SAR images, ...
  • V. Haese-coat, J. Ronsin, and B. Ogor, "SAR image segmentation ...
  • L. C. Jiao and X. L. Ma, "SAR image segmentation ...
  • L. C. Jiao, F. Liu, L. F. Bo, M. G. ...
  • _ _ _ _ _ imagery using a novel _ ...
  • P. Felzenszwalb and D. Huttenlocher, "Efficient graph-based image segmentation, " ...
  • G. A. S. Saroja and Dr. C. H. Sulochana, "Texture ...
  • F. Riaz, A. Hassan, S. Rehman and U. Qamar, "Texture ...
  • U. Kandaswamy, " Efficient Texture Analysis of SAR Imagery", IEEE ...
  • _ _ _ _ _ and _ 2014 International ...
  • D. L. Donoho, "Wedgelets: nearly- minimax estimation of edges", Ann. ...
  • J. L. Starck, E. J. Cand es, D. L. Donoho, ...
  • _ _ _ _ _ _ _ _ Sub- bands ...

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: دانشگاه دولتی
Paper count: 17,744
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

New Papers

New Researchs

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support