سال انتشار: 1390
محل انتشار: هفتمین کنفرانس ماشین بینایی و پردازش تصویر ایران
کد COI مقاله: ICMVIP07_060
زبان مقاله: انگلیسیمشاهد این مقاله: 918
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 5 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
مشخصات نویسندگان مقاله NDVI Optimization Using Genetic Algorithm
چکیده مقاله:
Applying ratioing on multispectral images is one of theimportant techniques used in remote sensing. In this paper aformula containing multiplication, addition and a division at theend is proposed to calculate a measure for classifying land covers.Applying this formula on each pixel of the multispectral imagetogether with a set of thresholds, one can decide if class of thepixel is vegetation, water, soil, etc. NDVI is used to determinewater, vegetation and soil areas in a map. In this article UrbanLandsat images are used as the experimental dataset. GAoptimization is used to derive the optimized coefficients for akind of NDVI formula. Finally, results are evaluated to see if theoptimized formula is more accurate and more robust than thetraditional NDVI.
کلیدواژه ها:
Genetic algorithm; Multispectral images; NDVI;Ratioing
کد مقاله/لینک ثابت به این مقاله
برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:https://civilica.com/doc/159094/
نحوه استناد به مقاله:
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:Kabiri, Peyman و Pandi, Mohammad H. و Kourki nejat, Sirous و Ghaderi, Hamid,1390,NDVI Optimization Using Genetic Algorithm,هفتمین کنفرانس ماشین بینایی و پردازش تصویر ایران,تهران,,,https://civilica.com/doc/159094
در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1390, Kabiri, Peyman؛ Mohammad H. Pandi و Sirous Kourki nejat و Hamid Ghaderi)
برای بار دوم به بعد: (1390, Kabiri؛ Pandi و Kourki nejat و Ghaderi)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 ممقالهقاله لینک شده اند :مدیریت اطلاعات پژوهشی
اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.
علم سنجی و رتبه بندی مقاله
مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.
مقالات مرتبط جدید
- یک روش یادگیری عمیق ترکیبی به منظور تخمین سن بیولوژیکی مغز برای کمک به تشخیص بیماری با استفاده از تصاویر MRI
- ارائه یک روش موثردردسته بندی نماهای اکوکاردیوگرافی بااستفاده از یادگیری انتقالی
- مطالعه اثر نویز گوسی و ضربه روی همجوشی ارتقا یافته به کمک سوپررزولوشن برروی تصاویر با فوکوس های چندگانه
- بازشناسی کلمات پویای مجزای زبان اشاره فارسی با استفاده از حسگر کینکت
- طبقه بندی بافت های تومور در تصاویر بافت شناسی سرطان استخوان با استفاده از PLS-LDA
مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
به اشتراک گذاری این صفحه
اطلاعات بیشتر درباره 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.