طبقه بندی زیرپیکسلی تصاویر ابرطیفی براساس تعمیم الگوریتم معاوضه پیکسلی و ارزیابی آن

Similar items

• طبقه‌بندی زیرپیکسلی تصاویر ابرطیفی براساس تعمیم الگوریتم معاوضه پیکسلی و ارزیابی آن

  Article2016پردازش علائم و داده هادهقانی, حمید، رجایی, حسین

  The capability of the matter identification is developed considerably in hyperspectral images. The spectral reflectance of surfaces in these imaging systems in the visible and near infrared range of the electromagnetic spectrum is recorded in extremely narrow and continuous bands

• تاثیر انتخاب ویژگی به کمک الگوریتم ژنتیک بر طبقه بندی طیفی مکانی تصاویر ابرطیفی

  Articleمهندسی فناوری اطلاعات مکانیداود اکبری، davood akbari عبدالرضا صفری، abdolreza safari صفا خزائی، safa khazai

  فن آوری سنجش از دور ابرطیفی دارای کاربردهای فراوان در طبقه­بندی پوشش های زمین و بررسی تغییرات آنها می باشد. با پیشرفت های اخیر و ایجاد تصاویری با قدرت تفکیک مکانی بالا، لزوم استفاده توام از اطلاعات طیفی و مکانی را در طبقه­ بندی تصاویر ابرطیفی ایجاب می کند. در این تحقیق سعی می گرد

• سنجش کارایی ویژگی های بافتی glcm در افزایش دقت طبقه بندی تصاویر حاصل از ادغام تصاویر تک باند و ابرطیفی مناطق مسکونی و صنعتی جنوب شهر تهران

  Articleعلوم و فنون نقشه برداریاحمد ملک نژاد، a. malek nejad tarbiat modares universityدانشکده علوم انسانی - دانشگاه تربیت مدرس حسن قاسمیان، h. ghassemian tarbiat modares universityدانشکده برق و کامپیوتر -دانشگاه تربیت مدرس فردین میرزاپور، f. mirzapour tarbiat modares universityدانشکده برق و کامپیوتر -دانشگاه تربیت مدرس

  اکثر الگوریتم های طبقه بندی داده های سنجش از دور بر اساس ویژگی ها و اطلاعات طیفی پیکسل ها عمل می کنند. این مسئله باعث نادیده گرفتن اطلاعات مکانی مفید قابل استخراج از این تصاویر، مانند؛ بافت تصاویر می شود. استفاده هم زمان از بافت و اطلاعات طیفی مبحثی است که به آن کمتر پرداخته شده

• توسعه و ارزیابی یک الگوریتم کاهش نوفه به منظور بهبود کارایی و دقت طبقه بندی تصاویر ابرطیفی

  Article2018علوم و فنون نقشه برداریاسماعیلی, علی، لاله زاری, احسان، همایونی, سعید

  تصویربرداری ابرطیفی، به عنوان یکی از فنآوری‎های نوین سنجش از دوری، منبع ارزشمندی برای کاربردهای مختلف علوم زمین، از جمله تهیه نقشه­های پوششی، شناسایی و اکتشاف معادن، نظارت زیست­محیطی به شمار می‌رود. با این وجود، به دلایل سخت افزاری و فنآوری این داده‏ها دارای مشکلات ذاتی هستند. از

• بررسی بهبود دقت طبقه بندی با استفاده از ادغام تصویر تک باند ali با تصاویر ابرطیفی hyperion

  Articleسنجش از دور و gis ایراناحمد ملک نژاد یزدی، کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، گروه سنجش از دور و gis، دانشگاه تربیت مدرس حسن قاسمیان، استاد، دانشکده برق و کامپیوتر، دانشگاه تربیت مدرس وحید عیسوی، کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، گروه سنجش از دور و gis، دانشگاه تربیت مدرس علی شهسواری

  بیشتر الگوریتم های طبقه بندی داده های سنجش از دور براساس ویژگی ها و اطلاعات طیفی پیکسل ها عمل می­کنند. این مسئله باعث نادیده گرفتن اطلاعات مکانی سودمند و قابل استخراج بسیاری، مانند بافت تصاویر می­شود. محیط شهری بافت ناهمگنی دارد که شناسایی انواع کاربری ها را به فرایندی دشوار و پی

• ارزیابی سه الگوریتم مختلف طبقه بندی جهت تهیه نقشه پوشش صخره های مرجانی از تصاویر ماهواره ای لندست ۸

  Articleمهندسی فناوری اطلاعات مکانیامیرمسعود چگونیان، amirmasoud chegoonian : department of photogrammetry & remote sensing, faculty of geodesy & geomatics engineering, khaje nasir toosi university of technology, tehran, iranتهران-خ ولیعصر- تقاطع میرداماد- دانشگاه خواجه نصیرالدین طوسی- دانشکده ژئودزی و ژئوماتیک، کد پستی: 15433-19667 مهدی مختارزاده، mehdi makhtarzade : department of photogrammetry & remote sensing, faculty of geodesy & geomatics engineering, khaje nasir toosi university of technology, tehran, iranتهران-خ ولیعصر- تقاطع میرداماد- دانشگاه خواجه نصیرالدین طوسی- دانشکده ژئودزی و ژئوماتیک، کد پستی: 15433-19667 محمدجواد ولدان زوج، mahammad javad valadan zouj : department of photogrammetry & remote sensing, faculty of geodesy & geomatics engineering, khaje nasir toosi university of technology, tehran, iranتهران-خ ولیعصر- تقاطع میرداماد- دانشگاه خواجه نصیرالدین طوسی- دانشکده ژئودزی و ژئوماتیک، کد پستی: 15433-19667

  در پژوهش حاضر تأثیر الگوریتم­های طبقه­بندی بر دقت حاصل از طبقه­بندی پوشش آبسنگ­های مرجانی با استفاده از تصاویر سنجنده­ی لندست 8 مربوط به سال 2013 میلادی، بررسی گردید. به این منظور به غیر از الگوریتم بیشترین احتمال که الگوریتم متداول در طبقه بندی پوشش صخره­های مرجانی می­باشد، کارا