ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

Automatic Classification of Persian Gulf Bottom Based on Acoustic Images

سال انتشار: 1383
کد COI مقاله: ICOPMAS06_123
زبان مقاله: انگلیسیمشاهده این مقاله: 2,289
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Automatic Classification of Persian Gulf Bottom Based on Acoustic Images

Reza Javidan - Malek-Ashtar University
Hasan J. Eghbali - Shiraz University

چکیده مقاله:

The technology of underwater geo-acoustic detection has been progressed from the topographic and seabed mapping to the new stage of seabed qualitative detection and geological classification. Knowledge of the seafloor play an important role in understanding the undersea environment including geological survey, geophysical exploration, ocean engineering (autonomous underwater vehicles, surveillance of pipelines and cables, etc), sound propagation simulation, physical parameters estimation, navigation, explosive mine counter measurement, data communication and classification of buried objects lying on seafloors. On the other hand, high-resolution sonar systems and optical sensors play an important role in underwater sensing for automatic segmentation and classification of the sea bottom. The segmentation of seafloor sonar images aims to partition the acoustic image into homogeneous regions with respect to certain physical properties or geological characteristics. The goal of the classification task is to assign these different geo-acoustic regions to seafloor types as rocks, sand, pebbles, etc. Due to highly textured appearance of sonar images, texture analysis techniques become a common choice for seafloor acoustic images. It was shown that different transforms like Fourier transform and wavelet transform are valuable tools for texture analysis. In recent years, many automatic classification systems such as RoxAnn and QTC-View were developed; but because of different classification methods, they produce different results for the same region. Some of these systems are susceptible to noise and ship speed. In a large extent, taking good result from a system depends on the skill and experience of the user and the intended use of the system. In addition, usually sea bottoms having similar acoustic signatures for a particular classification system are not necessarily geologically similar. Therefore, most of acoustic seabed classification systems are essentially empirical devices, which may work well for some bottoms but not others. In this paper, the problem of seafloor segmentation and classification of Persian Gulf using acoustic images will be addressed. Different techniques and instruments in this area will be introduced. The advantages and drawbacks of each one will be discussed. Then, the feasibility study of doing such a work in Persian Gulf region will be expressed and finally, practical results will be outlined.

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICOPMAS06_123 میباشد و 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/3322/

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:
Javidan, Reza and J. Eghbali, Hasan,1383,Automatic Classification of Persian Gulf Bottom Based on Acoustic Images,6th International Conference on Coasts, Ports and Marine Structures,Tehran,https://civilica.com/doc/3322

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: (1383, Javidan, Reza؛ Hasan J. Eghbali)
برای بار دوم به بعد: (1383, Javidan؛ J. Eghbali)
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 مقاله لینک شده اند :

  • JI Wenyun, Lin Yijun, and Zhang Shuying, ،Pattern Recognition of ...
  • Mignotte M. and Collet C., ،Markov Random Field and Fuzzy ...
  • Javidan Reza, Jones Ian S. F., *High Resolution Acoustic Imaging ...
  • and sonar image classification: wavelet packet transforms Vs Optical؛ [4] ...
  • Eghbali Hasan J., *Adaptive Digital Image filtering in Wavelet Domain?, ...
  • Kociolek M., Materka1 A., Strzelecki M., and Szczypiski P., ،discrete ...
  • Hamilton, L. J. and Mulhearn P. J. and Poeckert R., ...
  • Kinsler L. E. & others, ،#Fundamental of acoustics?, John Wiley ...
  • Sonar: a directional filter of Sidescan؟، [10] Bell J. M., ...
  • Duda Richard O., Hart Peter E., and Stork David G., ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    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:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 8,993
    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.

    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.

    پشتیبانی