A Novel Fake Color Scheme Based on Depth Protection for MR Passive/Optical Sensors
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 694
فایل این مقاله در 7 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:
KBEI02_060
تاریخ نمایه سازی: 5 بهمن 1395
چکیده مقاله:
Remote sensing image processing is important area in geosciences. Images that are obtained by different types of sensors might be unrecognizable initially or would not contain useful information. To achieve a suitable visual perception of images, series of preprocessing for removing noises and essential corrections and also better analysis of main processes are required, firstly. There are different kinds of processes according to special remotely sensed images. The scheme that we are going to introduce in this article is modified pseudo-color scheme that uses fake colors to colorize the gray-scale images of satellite sensors taken by Landsat8 sensor. A main feature of this method is the original image reversibility that satisfies good resolution of output images and also experimental results show this fact, i.e. happening of intensity/depth protection. In comparison with a fusion-based scheme (HM), similarity of 80% is achieved.
کلیدواژه ها:
Remote Sensing (RS) ، Middle Resolution (MR) ، Fake-color (Pseudo-color) ، Intensity/Depth Information ، Gaussian Low Pass Filter (GLPF) ، Histogram Matching (HM)
نویسندگان
Mohammad Reza Khosravi
Department of Communication and Electronic Engineering, Shiraz University, Shiraz, Iran School of Engineering, Persian Gulf University, Bushehr, Iran
Arash Khosravi
Department of Communication and Electronic Engineering, Shiraz University, Shiraz, Iran
Mehdi Shadloo-Jahromi
School of Engineering, Persian Gulf University, Bushehr, Iran
Ahmad Keshavarz
School of Engineering, Persian Gulf University, Bushehr, Iran
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 :