ترکیب تصاویر ماهوارهایی مبتنی بر ضریب همبستگی و بهینهسازی ذرات
محل انتشار: دومین کنفرانس ملی بهینهسازی در علوم و مهندسی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 462
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ECOSE02_009
تاریخ نمایه سازی: 30 بهمن 1394
چکیده مقاله:
توسعه روز افزون تکنولوژی ماهوارهایی و گستردگی تصاویر حاصل از سنسورهای متنوع موجب افزایش انگیزهای جهت انتقال اطلاعات از تصاویری با وضوح مختلف به یک تصویر واحد شده است. از اینرو در سالهای اخیر روشهای مختلف ی از ترکی ب تصاویر با هدف بهبود وضوح مکانی و طیفی تصاویر سنجش از دور توسعه یافته اند . فرایند ادغام اطلاعات مکانی از باند پانکروماتیک و اطلاعات رنگی از باندهای چندطیفیPansharpening نامی ده م ی شود . در ای ن پژوهش تفکی ک جزئی ات فرکانس بالا و فرکانس پایین تصاویر ورودی توسط تبدیل موجک انجام شده، سپس توسط ضریب همبستگ ی می زان شباهتمیان فرکانس پایین دو تصویر پانکروماتیک و چندطیفی سنجیده میشود، در صورتیکه همبستگی میان دو تصو یر از مقدار آستانه انتخابی بیشتر باشد، پس نسبت به تزریق جزئیات مکانی از باند پانکروماتیک اقدام میگردد . در غی ر اینصورت تزری ق اطلاعات از باند پانکروماتیک انجام نمیپذیرد تا میزان تحریف طیفی کمتر گردد. با حذف روش دستی، گز ینش بهینه مقدارحد آستانه و اندازه پنجرهها بهجای روش سعی و خطا توسط الگوریتم بهینهسازی ذرات به صورت اتوماتیک تعیین می گردد . ارزیابی کیفیت تصویر ترکیبی با استفاده از معیار ارگاس انجام شده و نتایج ارزیابی بهبود قابل توجه ای در تصو یر ترکیبی از روش پیشنهادی نسبت به تصویر ترکیبی از روش تبدبل موجک را نشان میدهد
کلیدواژه ها:
نویسندگان
لیلا عسگری
شیخبهایی، گروه آموزشکده فنی و مهندسی
ناصر قاسم آقایی
شیخبهایی، گروه آموزشکده فنی و مهندسی
محمدرضا رضائیان
شیخبهایی، گروه آموزشکده فنی و مهندسی
علی مرشدی
مرکز تحقیقات کشاورزی و منابع طبیعی، بخش تحقیقات خاک و آب
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 :