مجتبی آخوندی خضرآباد؛ محمدجواد ولدان زوج؛ علیرضا صفدری نژاد
چکیده
کاربردهای وسیع تصاویر ابرطیفی سبب توسعه سیستم‌های تصویربرداری نوآورانه در ثبت این تصاویر شده‌است. جهت استفاده از این تصاویر لازم است تا ارتباط هندسی دقیق میان آنها و فضای زمین برقرار گردد که این فرآیند نیازمند نقاط کنترلی بسیاری است. این موضوع ضرورت توسعه‌ی راهکارهای اصلاح هندسی منطبق با ساختار هر یک از این دوربین‌ها را بارز ...
بیشتر
کاربردهای وسیع تصاویر ابرطیفی سبب توسعه سیستم‌های تصویربرداری نوآورانه در ثبت این تصاویر شده‌است. جهت استفاده از این تصاویر لازم است تا ارتباط هندسی دقیق میان آنها و فضای زمین برقرار گردد که این فرآیند نیازمند نقاط کنترلی بسیاری است. این موضوع ضرورت توسعه‌ی راهکارهای اصلاح هندسی منطبق با ساختار هر یک از این دوربین‌ها را بارز می‌سازد. سنجنده (nm 400-1000) BaySpec OCI-F یکی از سیستم‌های نوآورانه است که به أخذ تصاویر ابرطیفی با هندسه تصویربرداری پوش‌بروم می‌پردازد. این سنجنده علاوه بر یک سنسور پوش‌بروم، از یک سنسور فریم نیز بهره میبرد که همزمان با سنسور پوش‌بروم و با نرخ زمانی مشابه به أخذ تصویر می‌پردازد. در این مقاله، روشی جهت اصلاح هندسی تصاویر پوش‌بروم این سنجنده ارائه شده‌است. در بخش اول از این روش، با توجه به ساختار تصویربرداری دوربین ارتباط هندسی میان آرایه خطی و سنسور فریم مشخص میگردد. سپس به کمک این ارتباط و ارتباط هندسی میان تصاویر فریم متوالی، پیکسل‌های تصاویر پوش‌بروم در کنار یکدیگر قرار داده شده و تصویر اصلاح شده را تشکیل میدهند. در این روش، ارتباط هندسی میان هر جفت فریم متوالی به طور مستقیم از طریق تناظریابی کمترین مربعات (LSM) محاسبه می‌شود. نتایج بدست آمده نشان میدهد که این روش به طور متوسط 61/8% از اعوجاجات هندسی تصویر خام را کاهش داده‌است. این کاهش سبب شده‌است تا متوسط دقت مدل‌های Generic دوبعدی و سه‌بعدی که ارتباط میان تصویر و زمین را برقرار میکنند، به ترتیب 42/1% و 39/9% افزایش یابد.
علیرضا طاهری دهکردی؛ محمدجواد ولدان زوج؛ علیرضا صفدری نژاد
چکیده
تهیة نقشة اراضی کشاورزی یکی از لایه‌های اطلاعاتی مورد نیاز در مدیریت این زمین‌ها محسوب می‌شود. چنین نقشه‌هایی امکان پایش مستمر زمین‌های کشاورزی را در طول دورة کشت، فراهم میکنند. در این مطالعه، راهکاری به‌منظور تولید نقشة اراضی کشاورزی شهرستان شهرکرد، در دو کلاس زراعی و غیرزراعی، با استفاده از سری‌زمانی شاخص‌های مستخرج از ...
بیشتر
تهیة نقشة اراضی کشاورزی یکی از لایه‌های اطلاعاتی مورد نیاز در مدیریت این زمین‌ها محسوب می‌شود. چنین نقشه‌هایی امکان پایش مستمر زمین‌های کشاورزی را در طول دورة کشت، فراهم میکنند. در این مطالعه، راهکاری به‌منظور تولید نقشة اراضی کشاورزی شهرستان شهرکرد، در دو کلاس زراعی و غیرزراعی، با استفاده از سری‌زمانی شاخص‌های مستخرج از تصاویر سنتینل‌ـ 2 داده شده است. ازآنجاکه استفاده از منابع دادة حجیم یکی از موانع بهبود روش‌های مبتنی‌بر سری زمانی تصاویر ماهواره‌ای به‌شمار می‌رود، در این پژوهش از بستر پردازشی گوگل ارث انجین استفاده شده است. روش مطرح‌شده برمبنای تلفیق نتایج طبقه‌بندی نظارت‌شدة پیکسل‌مبنا با نتایج قطعه‌بندی عمل می‌کند؛ به‌نحوی‌که ابتدا داده‌های آموزشی طبقه‌بندی نظارت‌شده، طی یک فرایند پالایشی سخت‌گیرانه، بدون نیاز به عملیات میدانی فراهم می‌شوند. سپس با محاسبة تفکیک‌پذیری دو کلاس هدف در سری زمانی هر شاخص، شاخص‌های بهینه انتخاب می‌شود. در نهایت، با تلفیق نتایج روش‌های قطعه‌بندی و طبقه‌بندی براساس آرای به‌دست‌آمده از نتایج طبقه‌بندی، به هر قطعة تصویری کلاس زراعی یا غیرزراعی نسبت داده می‌شود. این اقدام، علاوه‌بر دخالت‌دادن اطلاعات مکانی اعم از لبه‌ها و مجاورت‌های مکانی، توانسته است نویز و نتایج متخلخل طبقه‌بندی پیکسل‌مبنا را بهبود بخشد و دقت کلی نقشة نهایی را از 7/90 به 05/96 افزایش دهد. همچنین دقت کاربر دو کلاس زراعی و غیرزراعی به‌ترتیب 27/3 و 97/7% بهبود را نشان میدهند.
مریم تیموری؛ مهدی مختارزاده؛ محمدجواد ولدان زوج
چکیده
در این مقاله، به‌منظور رفع برخی محدودیت‌های شناسایی ساختمان در تصاویر چندطیفی، از دادة SAR به‌منزلة دادة مکمل استفاده می‌شود. در روش پیشنهادی، برای استفادة همزمان از اطلاعات مفید در تصاویر رادار و چندطیفی، استراتژی مبتنی‌بر تلفیق تصاویر، با هدف شناسایی ساختمان، مطرح می‌شود. همچنین، ازآنجاکه انتخاب ویژگی نقش بسزایی در شناسایی ...
بیشتر
در این مقاله، به‌منظور رفع برخی محدودیت‌های شناسایی ساختمان در تصاویر چندطیفی، از دادة SAR به‌منزلة دادة مکمل استفاده می‌شود. در روش پیشنهادی، برای استفادة همزمان از اطلاعات مفید در تصاویر رادار و چندطیفی، استراتژی مبتنی‌بر تلفیق تصاویر، با هدف شناسایی ساختمان، مطرح می‌شود. همچنین، ازآنجاکه انتخاب ویژگی نقش بسزایی در شناسایی و طبقه‌بندی عوارض دارد، اغلب روش‌های مرسوم و رایج در این زمینه، مانند الگوریتم ژنتیک، نیازمند داده‌های آموزشی‌اند؛ اما دردسترس‌نبودن همیشگی این نوع داده‌های آموزشی یکی از دغدغه‌های مهم محققان به‌شمار می‌آید. پس در این تحقیق، دو روش انتخاب ویژگی فیلترمبنا بررسی می‌شود تا مشخص شود آیا روش‌های یادشده می‌توانند، در مواقع لازم (نبودِ دادة آموزشی)، جایگزین الگوریتم ژنتیک شوند؟ بنابراین، در پژوهش حاضر، ابتدا بردار ویژگی بهینه از تصویر چندطیفی و SAR، با سه روش MNF وPCA و ژنتیک، تعیین و هریک جداگانه وارد هر دو طبقه‌بندی‌کنندة شبکة عصبی و SVM می‌شود. سپس به‌منظور رفع مشکلاتی، همچون تشابه طیفی پشت‌بام‌ها با پوشش آسفالت خیابان‌ها، در تصاویر چندطیفی و بهبود نتایج، دو تصویر چندطیفی و SAR در سطح ویژگی تلفیق می‌شود. در نهایت و در مرحلة بعدی، بهترین تصاویر طبقه‌بندی‌شده با شبکة عصبی و SVM، در تمامی بررسی‌های صورت‌گرفته تا به این مرحله، وارد تلفیق در سطح تصمیم‌گیری می‌شوند. نحوة تلفیق در سطح تصمیم‌گیری بدین‌صورت است که اطلاعات همسایگی هر پیکسل در قالب پنجرة مکانی متحرک در ابعاد متفاوت، با هدف تصمیم‌گیری درمورد ماهیت هر پیکسل، استفاده می‌شود. بنابراین، نتایج حاصل‌شده در این تحقیق، با صحت کلی و دقت شناسایی ساختمان، به‌ترتیب 92.82% و 80.14% بیانگر عملکرد مناسب این روش است.
حمید جنتی؛ محمدجواد ولدان زوج
چکیده
وجود اسپکل در تصاویر رادار با روزنه مصنوعی، به دلیل سیستم تصویربرداری همدوس، باعث ایجاد اثر دانه دانه‌ای در تصویر شده و برخی پردازش‌های شی‌گرا همانند قطعه‌بندی، خوشه‌بندی و یا شناسایی هدف را تحت تاثیر قرار میدهد. از این‌رو می‌توان اغلب الگوریتم‌های مورد استفاده در کاهش اثر اسپکل را در یکی از روش‌های مبتنی بر حوزه مکان، روش‌های ...
بیشتر
وجود اسپکل در تصاویر رادار با روزنه مصنوعی، به دلیل سیستم تصویربرداری همدوس، باعث ایجاد اثر دانه دانه‌ای در تصویر شده و برخی پردازش‌های شی‌گرا همانند قطعه‌بندی، خوشه‌بندی و یا شناسایی هدف را تحت تاثیر قرار میدهد. از این‌رو می‌توان اغلب الگوریتم‌های مورد استفاده در کاهش اثر اسپکل را در یکی از روش‌های مبتنی بر حوزه مکان، روش‌های مبتنی بر تبدیل و یا روش‌های وابسته به بهینه‌سازی طبقه‌بندی کرد. از جمله محدودیت‌های موجود در روش‌های مورد استفاده اغلب می‌توان به عدم حفظ بافت و ساختار تصویر و نیز وابستگی اجرای الگوریتم به یک یا چند پارامتر تنظیم‌کننده اشاره کرد که همین موضوع، استفاده از این روش‌ها را در کاربردهای عملی با چالش رو به رو می‌سازد. از این‌رو در پژوهش حاضر، با در نظر گرفتن رفتار فرکانسی تصاویر SAR، روشی بر مبنای فیلترینگ تطبیقی طیف اندازه در حوزه فرکانس ارائه شده است. ایده اصلی روش پیشنهادی تخصیص یک مدل تحلیلی بر مبنای رفتار فرکانسی تصویر SAR، به طیف اندازه تبدیل فوریه آن و بازیابی خروجی با اثر اسپکل کاهش یافته است. روش پیشنهادی ضمن حفظ بافت‌های ظریف تصویر، به طور قابل ملاحظه‌ای اثر اسپکل را کاهش میدهد. علاوه بر آن الگوریتم پیشنهادی به صورت خودکار اجرا شده و نیازی به برآورد پارامترهای تنظیمی ندارد. همچنین در تصاویر با پیچیدگی بافت زیاد و در روش‌های کانوولوشن مکانی که نیاز به تنظیم ابعاد کرنل دارد، مرتبه محاسباتی پایین‌تری خواهد داشت. نتایج ارزیابی نشان میدهد که الگوریتم پیشنهادی در مقایسه با فیلترهای مکانی تطبیقی، ضمن بهبود 50 درصدی شاخص تعداد منظرهای معادل در تصاویر SAR، مقدار شاخص حفظ لبه را نیز به طور میانگین برای تصاویر SAR و شبیه‌سازی SAR حدوداً 50 و 30 درصد بهبود می‌بخشد.
بهروز مرادی؛ محمد جواد ولدان زوج؛ مجتبی جنتی؛ سمیه یاوری
چکیده
استفاده از توابع کسری، در غیاب اطلاعات افمریز مدار ماهواره و هندسه داخلی سنجنده، یکی از بهترین روش‌ها برای زمین‌مرجع‌سازی تصاویر ماهواره‌ای و استخراج اطلاعات مکانی از تصاویر ماهواره‌ای است. تعداد زیاد ترم‌ها و عدم تفسیرپذیری آنها، باعث‌شده تا تعدد نقاط کنترل مورد‌نیاز و ایجاد خطای پارامترهای اضافه، به‌عنوان مهم‌ترین ضعف‌های ...
بیشتر
استفاده از توابع کسری، در غیاب اطلاعات افمریز مدار ماهواره و هندسه داخلی سنجنده، یکی از بهترین روش‌ها برای زمین‌مرجع‌سازی تصاویر ماهواره‌ای و استخراج اطلاعات مکانی از تصاویر ماهواره‌ای است. تعداد زیاد ترم‌ها و عدم تفسیرپذیری آنها، باعث‌شده تا تعدد نقاط کنترل مورد‌نیاز و ایجاد خطای پارامترهای اضافه، به‌عنوان مهم‌ترین ضعف‌های توابع کسری وابسته به زمین شناخته شوند. استفاده از الگوریتم‌های بهینه‌سازی، یکی از راهکارهای مناسب رفع این ضعف‌ها است. به‌همین‌دلیل از الگوریتم‌های بهینه‌سازی مختلف، برای کشف ترکیب بهینه ترم‌های توابع کسری وابسته به زمین استفاده شده است. از آنجا که سازوکار هریک از این الگوریتم‌ها با یکدیگر متفاوت است، میزان کارایی و خصوصیات مختلف این الگوریتم‌ها در کشف ترکیب بهینه ترم‌های توابع کسری وابسته به زمین متفاوت است اما تفاوت‌های موجود به‌صورت جامع، مورد مقایسه و تحلیل قرار نگرفته است. در این مقاله، به‌منظور بررسی کامل و جامع توانایی‌های سه الگوریتم بهینه‌سازی ژنتیک، ژنتیک بهبودیافته و ازدحام ذرات بهبودیافته در کشف ترکیب بهینه ترم‌های توابع کسری از دیدگاه‌های مختلف از جمله دقت، سرعت، تعداد نقاط کنترل مورد نیاز و قابلیت اطمینان به نتایج بدست آمده، از 4 تصویر ماهواره‌ای متعلق به سنجنده‌های GeoEye-1، IKONOS-2، SPOT-3-1ª و SPOT-3-1B استفاده شده است. اختلاف دقت کمتر از 4/0 پیکسل در نتایج هر یک از الگوریتم‌های بهینه‌سازی، 10 تا 12 برابر‌بودن سرعت الگوریتم ژنتیک بهبودیافته نسبت به دو الگوریتم دیگر، به ترتیب برتری 25/45 و 27 درصدی درجه آزادی الگوریتم بهینه‌سازی ازدحام ذرات بهبودیافته نسبت به الگوریتم ژنتیک بهبودیافته و ژنتیک و پراکندگی نسبتا یکسان نتایج هر یک از الگوریتم‌ها در 10 بار اجرای برنامه، حاکی از آن است که دقت هر سه الگوریتم بهینه‌سازی نسبتا یکسان، سرعت الگوریتم ژنتیک بهبودیافته بیشتر، تعداد نقاط کنترل مورد نیاز الگوریتم ازدحام ذرات بهبودیافته کمتر از دو الگوریتم دیگر و قابلیت اطمینان به نتایج هر یک از الگوریتم‌های بهینه‌سازی به منظور کشف ترکیب بهینه ترم‌های توابع کسری وابسته به زمین، یکسان است.
