افزایش دقت هندسی تصاویر سنجش از دور با استفاده از بازسازی تصویر با الگوریتم تصویر در مجموعه های محدب
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 854
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
NCEGIT01_078
Index date: 8 May 2016
افزایش دقت هندسی تصاویر سنجش از دور با استفاده از بازسازی تصویر با الگوریتم تصویر در مجموعه های محدب abstract
به دلیل کامل نبودن سیستم تصویربرداری یک نقطه نورانی در تصویر ثبت شده به صورت مجموعه یک دیسک مرکزی و حلقه های روشن و تاریک اطراف دیسک مرکزی تشکیل می شود این دیسک ا پوشش 84%از نور تابیده شده از نقطه ثبت شده در قالب تابع پخش نقطه ای مدلسازی می شود تابع پخش نقطه ای یک سنجنده معیاری از توان تفکیک مکانی آن به حساب می آید این تابع در واقع اثرات تارشوندگی تصویر نسبت به واقعیت مورد انتظار را مدلسازی می کند از این رو تابع پخش نقطه ای سنجنده و یا معادل آن در فضای فرکانس که تابع انتقال مدولاسیون نامیده می شود معیاری مهم از کیفیت هندسی تصویر به شمار می آید این مقاله در ابتدا به تخمین تابع پخش نقطه ای و تابع انتقال مدولاسیون در تشکیل تصویر می پردازد سپس با به کارگیری تابع پخش نقطه ای براورد شده تلاش در بهبود سطح کیفیت هندسی تصویر به روش بازسازی تصویر صورت می گیرد برای بازسازی تصویر روش تصویر در مجموعه های محدب الگوریتم کاچمارز به کار رفته است پس از پیاده سازی الگوریتم و به دست آمدن تصویر بازسازی شده به بررسی و آنالیز دقت تصویر بازسازی شده پرداخته شده است نتایج به دست امده بیانگر آن است که بازسازی تصویر باعث افزایش 15% در تابع انتقال مدولاسیون به عنوان معیار دقت تصویر می شود
افزایش دقت هندسی تصاویر سنجش از دور با استفاده از بازسازی تصویر با الگوریتم تصویر در مجموعه های محدب Keywords:
افزایش دقت هندسی تصاویر سنجش از دور با استفاده از بازسازی تصویر با الگوریتم تصویر در مجموعه های محدب authors
مجتبی منوری
فارغ التحصیل کارشناسی ارشد سنجش از دور دانشکده مهندسی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی
مهدی مختارزاده
استادیار دانشکده مهندسی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی
محمد جواد ولدان زوج
دانشیار دانشکده مهندسی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین 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 :