اشکارسازی نمونه های پرت در طبقه بندی تصاویر ابرطیفی
- سال انتشار: 1389
- محل انتشار: سومین همایش ملی مهندسی برق کامپیوتر و فناوری اطلاعات
- کد COI اختصاصی: CEIC03_196
- زبان مقاله: فارسی
- تعداد مشاهده: 1126
نویسندگان
دانشکده فنی مهندسی بوشهر دانشگاه خلیج فارس
دانشکده فنی مهندسی بوشهر دانشگاه خلیج فارس
دانشکده فنی مهندسی دانشگاه مالک اشتر
چکیده
دراین مقاله سعی شده است که با ارائه روشی برای اشکارسازی نقاط پرت در الگوریتم EM(Expectation maximaization) صحت طبقه بندی تصاویر ابرطیفی را افزایش داد روش پیشنهاد شده براساس مقایسه مقدار انتروپی پیکسلهای تصویر می باشد از انجایی که الگوریتم EM تکرار شونده می باشد چنانچه در یک مرحله پیکسلی به اشتباه طبقه بندی شود این خطا وارد مرحله بعد شده و یا تکرار شدن الگوریتم خطا افزایش مییابد در حالیکه اگر در هر مرحله این پیکسل ها مشخص شودند و در مرحله بعدی الگوریتم در تخمین پارامترها بکار نروند میزان صحت واعتبار طبقه بندی را بهبود داد با استفاده از این روش صحت و اعتبار طبقه بندی یک تصویر ابرطیفی که توسط سنجنده AVIRIS ثبت شده نسبت به روشهای موجود بهبود یافته است.کلیدواژه ها
طبقه بندی ، تصویر ابرطیفی، الگوریتم EM، نقاط پرت، انتروپیمقالات مرتبط جدید
- کارآفرینی در کتابخانه های عمومی با راه اندازی خدمات مشاوره اطلاعاتی و مشاوره خوانندگان
- متاورس: مباحثی از فرصت های حرفه ای و مشاغل در گستره فناوری نوین
- بررسی معماری و بلوغ کسب و کار رایانش ابری بر مبنای مدیریت امنیت اطلاعات در علم اطلاع شناسی (مطالعه موردی شرکت های دانش بنیان پارک فناوری ارتباطات و اطلاعات)(چارچوب همکاری های بین رشته ای و فرا رشته ای برای کارآفرینی دانش بنیان)
- ایجاد سازمان نظام مدیریت اطلاعات و دانش (نماد)
- لزوم توجه به فرصت های جدید بازارکار در محتوای درسی رشته علم اطلاعات و دانش شناسی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.