محمد کریمی؛ سجاد حقی؛ احمد علی حنفی بجد
چکیده
تب دانگ، یکی از بیماریهای واگیر و ویروسی میباشد که از طریق دو گونه پشه آئدس اجیپتی و پشه آئدس آلبوپیکتوس منتقل میشود و به سرعت در جهان در حال گسترش است. هدف اصلی این تحقیق مدلسازی توزیع مکانی ناقلین این بیماری در ایران میباشد که با توجه به عدم وجود دادههای ناقلین کافی در کشور، از دادههای ناقلین موجود در سطح جهان و همچنین ...
بیشتر
تب دانگ، یکی از بیماریهای واگیر و ویروسی میباشد که از طریق دو گونه پشه آئدس اجیپتی و پشه آئدس آلبوپیکتوس منتقل میشود و به سرعت در جهان در حال گسترش است. هدف اصلی این تحقیق مدلسازی توزیع مکانی ناقلین این بیماری در ایران میباشد که با توجه به عدم وجود دادههای ناقلین کافی در کشور، از دادههای ناقلین موجود در سطح جهان و همچنین در سطح قاره آسیا، در دو مقیاس مختلف استفاده شد. از مهمترین جنبههای نوآوری این تحقیق میتوان به استفاده از لایهی هتروژنتی به عنوان یک فاکتور کمکی برای تحلیل نقاط حضور و کاهش خود همبستگی مکانی و به کارگیری و مقایسه دو مدل پراکنش گونه متکی به دادههای حضور برای انتخاب روش مدلسازی بهینه اشاره کرد. در این راستا، ابتدا با استفاده از روش آنتروپی بیشینه (MaxEnt) و یک نوع الگوریتم ژنتیک تحت عنوان گارپ (GARP) میزان مطلوبیت زیستگاهی در سطح جهان با قدرت تفکیک مکانی 5 کیلومتر برای هر دو گونه مدلسازی شد. برای ارزیابی مدلهای مذکور، متغیرهای تراکم جمعیت، اقلیم، تراکم پوشش گیاهی، ارتفاع و کربن آلی خاک لحاظ شدند. با توجه به دقت بالای روش MaxEnt، با استفاده از این روش، مطلوبیت زیستگاهی قاره آسیا با قدرت تفکیک 900 متر برای هر دو گونه مدلسازی شد. مقادیر سطح زیر منحنی (AUC) برای گونه آئدس اجیپتی 942/0 و برای گونه آئدس آلبوپیکتوس 948/0 محاسبه گردید. نتایج تحقیق نشان داد که استانهای شمالی و جنوبی کشور مطلوبیت زیستگاهی بالاتری را برای هر دو گونه دارند با این تفاوت که گونه آئدس اجیپتی در قسمتهای جنوبی به سمت شرق در حاشیه دریایی عمان دارای احتمال پراکندگی بالاتری میباشد. در پیادهسازی روش MaxEnt برای گونه آئدس آلبوپیکتوس، استانهای موجود در غرب ایران نیز مطلوب تعیین شدند که این مهم در مقیاس کوچکتر به صورت درست مدلسازی نشده بود. در بهمن 1399 متاسفانه تعداد کمی پشه و تخم پشه آئدس در شهرستان بندرلنگه کشف شد که دقیقا این تحقیق آن را پیشبینی کرده بود. نتایج این مطالعه میتواند در راستای برنامهریزی برای مدیریت جمعیت این حشرات ناقل برای کنترل بیماری همزمان با پایش جمعیتها در فصول اپیدمی مورد استفاده قرار گیرد.
امین صداقت؛ حمید عبادی؛ مهدی مختارزاده
دوره 2، شماره 4 ، اسفند 1389
چکیده
الگوریتم SIFT (Scale Invariant Feature Transform) یکی از روش های تناظریابی عارضه مبناست که به منظور انجام فرایند تشخیص الگو در تصاویر اپتیکی ارائه شده است. با اینکه عملکرد بهتر توصیفگر این الگوریتم در مقایسه با دیگر روش ها اثبات شده و نسخه های گوناگونی نیز در مسیر افزایش کارایی آن ارائه شده است. اما عملگر استخراج عارضه در این الگوریتم با مشکلات جدی برای ...
بیشتر
الگوریتم SIFT (Scale Invariant Feature Transform) یکی از روش های تناظریابی عارضه مبناست که به منظور انجام فرایند تشخیص الگو در تصاویر اپتیکی ارائه شده است. با اینکه عملکرد بهتر توصیفگر این الگوریتم در مقایسه با دیگر روش ها اثبات شده و نسخه های گوناگونی نیز در مسیر افزایش کارایی آن ارائه شده است. اما عملگر استخراج عارضه در این الگوریتم با مشکلات جدی برای انجام تناظریابی در تصاویر سنجش از دور مواجه است. کنترل پذیری این اگلوریتم در استخراج عواض در تصاویر سنجش از دور پایین است و در آن راه حلی نیز برای انتخابعوارض پایدارتر و متمایزتر و کنترل توزیع آن ها، به منظور موفقیت در فرآیند تناظریابی، پیشنهاد نشده است. در مقاله حاضر با بهره گیری از خصوصیات فضای مقیاس در این الگوریتم روشی جدید با عنوان UR-SIFT ( (Invariant Feature Transform Uniform Robust Scaleبه منظور استخراج عوارض پایدار تصاویر و در توزیع یکنواختی از مکان و مقیاس طراحی شده است. برای این منظور با توسعه روابطی جدید بر مبنای ضریب مقیاس سطوح هرم تصاویر در الگوریتم SIFT، تعداد عوارض مورد نیاز در هر سطح تعیین گردیده و با بهره گیری از دو معیار پایداری و تمایز و در ساختاری شبکه ای استخراج شده است. بعد از استخراج عوارض و ایجاد توصیفگر آن ها، فرآیند تناظریابی اولیه با استفاده از فاصله اقلیدسی میان توصیفگرها و با بهره گیری از روشی دو جانبه انجام می شود. در ادامه با استفاده از مدل تبدیل پروژکتیو و روش کمترین مربعات، صحت جفت تناظرهای اولیه بررسی دشه و تناظرهای ناسازگار حذف شده اند. نتایج عملی بر روی دو جفت تصویر ماهواره ای بیانگر کارایی بالای روش پیشنهادی در مقایسه با الگوریتم استاندارد SIFT است.
امین صداقت؛ حمید عبادی؛ مهدی مختارزاده
دوره 2، شماره 1 ، تیر 1389
چکیده
مرتبط سازی تصویر، فرایندی بنیادی در پردازش تصویر است و نقش مهمی در فرایندهای مختلف فتوگرامتری و سنجش از دور دارد. الگئریتم SIFT از کارآمدترین روش های نتاظریابی است، که اخیرا به طور موفقیت آمیزی برای مرتبط سازی اتوماتیک تصاویر سنجش از دور استفاده شده است. با این حال عملگرد استخراج عارضه در این الگوریتم همچنان با ضعف های عمده ای همراهاست. ...
بیشتر
مرتبط سازی تصویر، فرایندی بنیادی در پردازش تصویر است و نقش مهمی در فرایندهای مختلف فتوگرامتری و سنجش از دور دارد. الگئریتم SIFT از کارآمدترین روش های نتاظریابی است، که اخیرا به طور موفقیت آمیزی برای مرتبط سازی اتوماتیک تصاویر سنجش از دور استفاده شده است. با این حال عملگرد استخراج عارضه در این الگوریتم همچنان با ضعف های عمده ای همراهاست. علاوه بر پیچیدگی زیاد محاسباتی، میزان کنترل پذیری این الگوریتم در استخارج عوارض تصاویر سنجش از دور، اندک است. در این تحقیق به منظور کاهش پیچیدگی محاسباتی و افزایش کارایی، عملگرد استخارج عارضه در الگوریتم SIFT با عملگرد استخراج گوشه Harris در ساختار هرمی جایگزین شده و روشی کارآ»د برای مرتبط سازی تصاویر اپتیکی سنجش از دور با استفاده از این الگوریتم طراحی گردیده و شکل گرفته است. خصوصیت اساسی این روش، به کارگیری استراتژی ویژه ای برای گزینش بهترین عوارض تصاویر با استفاده از اعمال دو قید پایداری و تمایز و در توزیع کاملی از مکان و مقیاس است. بعد از استخراج عوارض و ایجاد توصیفگر آن ها، فرایند تناظریابی اولیه با استفاده از فاصله اقلیدسی میان توصیفگرها و به صورت چند سطحی و به بهره گیری از روش دو جانبه انجام می شود. درادامه با استفاده از مدل تبدیل پروژکتیو و روش کمترین مربعات، صحت جفت تناظرهای اولیه بررسی می شود و تناظرهای ناسازگار حذف می گردند. در نهایت با تعین پارامترهای یک تابع تبدیل قطعه ای، دو تصویر با یکدیگر مرتبط می شوند. نتایج عملی بر روی چهار جفت تصویر ماهواره ای از سنجنده های مختلف بیانگر کارایی فراوان روش پیشنهادی در مقایسه با الگوریتم استاندارد SIFT است.