برای دست یابی به نقشه های کاربری اراضی که از روی تصاویر ماهواره ای تهیه می گردند، دقت طبقه بندی اهمیت زیادی داشته و مورد توجه متخصصان سنجش از دوری قرار گرفته است. بطور کلی، قدرت تفکیک مکانی و طیفی سنجنده های تصویر برداری، در میزان دقت طبقه بندی نقشه هایی که از روی این تصاویر حاصل می شوند، نقش کلیدی دارد. با افزایش دقت مکانی و قدرت تفکیک طیفی میزان دقت طبقه بندی نیز افزایش پیدا می کند. به علت مسایلی که در فن آوری ساخت ماهواره ای سنجش از دور وجود دارد، ساختن سنجنده هایی که هم دارای قدرت تفکیک مکانی و طیفی بالا باشند، امکان پذیر نبوده و یک چالش جدی در فن آوری سنجش از دور است. بنابراین ادغام داده ها روشی است، جهت تولید داده هایی که دارای شرایط بهینه از نظر مکانی و طیفی هستند و به کمک روش های پردازش رقومی تصاویر، توسط محققین سنجش از دور و پردازش تصاویر ارائه شده است. دراین تحقیق از روش های cnt ،hpf وpct برای ادغام تصویر استفاده گردید. روش پیشنهادی gst نیز جهت ترکیب این تصاویر بکار برده شد. تصاویر مورد استفاده در این تحقیق، یک تصویر تک رنگ از سنجنده ای ali با قدرت تفکیک مکانی 10 متر و تصویر فراطیفی سنجنده ای hyperionبا 242 باند 30 متری می باشد که هر دو این سنجنده ها بر روی سکوی ماهواره ای eo-1 قرار گرفته اند. تصاویر ادغام شده را با روش های متفاوت آماری و کیفی مورد ارزیابی قرار گرفت.در ارزیابی آماری، تصاویر ترکیبی از دو نظر مکانی و طیفی مورد بررسی قرار گرفتند که روش تبدیل گرام-اشمیت(gst) با ضرایب مختلف بر سایر روش ها برتری محسوسی نشان می دهد. دقت طبقه بندی تصاویر ترکیبی و تصاویر اولیه به عنوان هدف اصلی این تحقیق مورد ارزیابی قرار گرفته است. برای طبقه بندی تصاویر از طبقه بندی کننده svm استفاده گردید. دقت و صحت طبقه بندی هر یک از تصاویر محاسبه گردیده و مقایسه نتایج بیانگر برتری روش gst بر سایر روش های استفاده شده در این تحقیق می باشد.

اکثر الگوریتم های طبقه بندی متداول در سنجش از دور بر اساس ویژگی ها و اطلاعات طیفی پیکسل ها عمل می کنند. این مسئله باعث نادیده گرفتن مقدار زیادی از اطلاعات فضایی مفید مانند بافت در طبقه بندی تصاویر می گردد. پژوهش های زیادی در زمینه به کارگیری بافت در طبقه بندی تصاویر انجام گردیده است، لیکن استفاده هم زمان از بافت و اطلاعات طیفی مبحث جدیدی است که به آن کمتر پرداخته شده است. در این پژوهش سعی گردید تا با استفاده از بافت استخراج شده از تصویر تک طیفی سنجنده ali. دقت طبقه بندی تصاویر ابرطیفی سنجنده hyperion در محیط های شهری بهبود یابد. بافت تصویر تک طیفی با روش ماتریس هم وقوعی استخراج گردید. روش طبقه بندی مورد استفاده نیز روش svm بوده و در سه مرحله طبقه بندی با استفاده از این روش انجام پدیرفت: 1- طبقه بندی اطلاعات طیفی تصویر ابرطیفی. 2- طبقه بندی تصاویر ترکیب شده با استفاده از روش hpf و .cnt 3- طبقه بندی با استفاده هم زمان از بافت تصویر تک طیفی و تصاویر ادغام شده. در مرحله بعد تاثیر تغییر دو پارامتر نوع بردار ویژگی ماتریس هم وقوعی و اندازه پنجره استخراج بافت در پوشش های مختلف کاربری مورد تحلیل قرار گرفت. این بررسی ها نشان داد که استفاده از بافت در طبقه بندی تا حد زیادی دقت پوشش های کاربری مناطق شهری مانند بافت مسکونی، ردیف های درخت را بهبود می بخشد. افزایش دقت در بعضی از کلاس ها تا 53 درصد مشاهده گردید و دقت کلی طبقه بندی به میزان 8 درصد افزایش یافت.

شکل دهی پرتو فرایندی است که با پردازش سیگنال آرایه سر و کار دارد. در این فرایند خروجی حسگرهای آرایه به نحوی با یکدیگر ترکیب ‏می گردند و بدین ترتیب انتخاب فضایی هر نقطه از محیط امکان پذیر خواهد شد. طی این فرایند تنها اطلاعات ناشی از یک جهت دلخواه انتخاب ‏گردیده و سیگنالهایی که از جهات دیگر دریافت شده اند تضعیف می گردند، مفاهیم پایه شکل دهی پرتو در تمامی کاربردهای آن تقریبا یکسان ‏می باشد. . تمامی روش های معرفی شده تا کنون با توجه به نوع کاربرد و الزامات موجود یا در حوزه ی زمان و یا در حوزه ی فرکانس انجام می شود و ‏هر کدام از این دو حوزه معایب و مزایای خاص خود را دارند.‏ تبدیل فوریه کسری (‏frft‏) ابزار قدرتمندی است که در دو دهه ی اخیر در پردازش سیگنال مورد استفاده قرار گرفته است؛ این تبدیل تعمیم ‏یافته ی تبدیل فوریه معمولی می باشد و در واقع معادل با چرخش سیگنال در حوزه ی زمان-فرکانس با یک زاویه ی دلخواه می باشد؛ همچنین ‏می توان نشان داد که ‏‎ frft‏ سیگنال ‏x(t)‎‏ را به مجموعه ای از سیگنال های چِرپ تجزیه می کند. تبدیل فوریه کسری نسبت به تبدیل فوریه ‏معمولی به دلیل داشتن یک درجه آزادی دارای انعطاف پذیری بیشتری در پردازش سیگنال های غیرایستا می باشد و به همین دلیل کاربرد وسیعی ‏در فیلتر کردن، آشکارسازی و تخمین پارامتر سیگنال چِرپ، پردازش سیستم های متغیر با زمان و همچنین پردازش سری های زمانی دارد.‏ در این پایان نامه مدلی برای مسئله شکل دهی پرتو در حوزه ی فوریه کسری ارائه می شود که به کمک این مدل بتوان یک راه حل کلی برای بدست ‏آوردن وزن های شکل دهنده ی پرتو در حوزه ی فوریه کسری برای معیارهای متفاوت ارائه داد. برای بدست آوردن این مدل ابتدا مفهوم تاخیر کسری ‏بیان می شود؛ سپس به کمک این مفهوم بردار جهت دهی در حوزه ی فوریه کسری محاسبه می شود و مدلی مشابه آنچه برای بدست آوردن ‏وزن های شکل دهی پرتو در حوزه ی زمان برای سیگنال های باریک باند موجود می باشد، برای شکل دهی پرتو در حوزه ی فوریه کسری بدست ‏می آید. برای اینکه راه حل ارائه شده کامل گردد روشی برای پیدا کردن حوزه ی کسری بهینه و همچنین روشی برای جهت یابی منابع در حوزه ی ‏فوریه کسری بهینه ارئه می شود.‏

ادغام تصاویر به ابزار پراستفاده ای برای افزایش کیفیت تفسیر تصاویر تبدیل شده است. برخی تصاویر پزشکی دارای قابلیت نمایش عملکرد بدن می باشد، به عنوان مثال می توان از pet نام برد. اما برخی دیگر از سیستم های تصویر برداری توانایی نمایش ساختار های بدن را دارند، از این دسته از سیستم های تصویربرداری می توان به mri اشاره کرد. در تصاویر عملکردی نشانی ازساختار ها وجود ندارد به همین جهت می توان از تکنیک های ادغام تصاویر پزشکی استفاده نمود تا تصویری فرآهم آورد که هم اطلاعات مکانی و هم اطلاعات طیفی را داشته باشد. فرآیند ادغام تصویر به صورت ایده آل، فرآیندی می باشدکه بدون تخریب اطلاعات طیفی، اطلاعات مکانی را به آن تزریق کند. اما این فرآیند هیچگاه به صورت ایده-آل اتفاق نمی افتد زیرا میزان اطلاعات تصویر ثابت است و نمی توان آن را افزایش داد. در رساله حاضر از تبدیلات جدید مکان فرکانس و ترکیب آن ها با تبدیلات رنگی برای این ادغام استفاده شده است. تبدیلات مورد استفاده در این رساله برخلاف دیگر تبدیلات مکان فرکانس ذاتا دو بعدی می-باشند، این تبدیلات شامل موارد زیر می باشد: - تبدیل کانتورلت بدون کاهش نمونه برداری و ترکیب آن با ihs - نسل اول تبدیل curvelet - نسل دوم تبدیل curvelet - ترکیب روش های بالا و ihs روش های بالا روی 17 مجموعه داده پزشکی و 3 مجموعه داده سنجش از دور اعمال گردید. تصاویر ادغام شده به کمک سه معیار همبستگی، اطلاعات متقابل و مقایسه بصری ازریابی شده اند. در اکثر موارد تبدیل curvelet کیفیت ادغام بهتری را فراهم آورد البته این کیفیت هزینه محاسباتی بالایی را نیاز داشت. کلمات کلیدی: ادغام تصویر-سطح سیگنال- تبدیلات مکان فرکانس- تبدیل ihs- تصاویر چند طیفی- تصاویر تک رنگ.

اندازه گیری متغیر های جریان یکی از دغدغه های اصلی در آزمایش های هیدرولیک محسوب می شود، در طول دو دهه ی اخیر با پیشرفت علم هیدرولیک و پیچیده شدن هرچه بیشتر آزمایش های مربوطه، سعی شده تا تجهیزات و روش های اندازه گیری دقیق تری ابداع و استفاده شوند. تجهیزات اندازه گیری کنونی از دقت مناسبی در اندازه گیری متغیر های جریان از جمله سرعت لحظه ای برخوردارند، اما این تجهیزات عموما به صورت نقطه ای اندازه گیری کرده و با توجه به سریع بودن فرآیند های جریان، اندازه گیری میدان سرعت امکان پذیر نمی باشد. با پیشرفت تجهیزات اپتیکی در دو دهه اخیر و به کارگیری پردازش تصویر، روش هایی برای اندازه گیری میدان سرعت ابداع شده اند که شامل سرعت سنجی تصویری ذرات و سرعت سنجی تعقیب ذراتمی باشد.در این تحقیق ابتدا سعی شد تا الگوریتم تعقیب ذرات سه فریمه که توسط وو (2008) برای آزمایشات هیدرولیک ارائه شده بود در محیط نرم افزار متلب بازنویسی شود. با اجرای الگوریتم فوق روی تصاویر مرجع که توسط جامعه ی مرئی سازی ژاپن ارائه شده است، خطای 35/1درصدو مدت زمان پردازش 75/35 ثانیه بدست آمد. با توجه به میزان بالای تصاویر مورد پردازش در این تحقیق، سعی شد تا با ابداع روش جدیدی سرعت اجرای الگوریتم افزایش یابد. تلاش های فوق منجر به توسعه ی الگوریتم برداری تعقیب ذرات شد. الگوریتم فوق شامل دو بخش می باشد که بخش شناسایی ذرات در نرم افزار لب ویو و به زبان گرافیکی جی و بخش تعقیب ذرات در نرم افزار متلب نوشته شده است. با اجرایالگوریتم برداری تعقیب ذرات روی تصاویر مرجع، خطای 2 درصد و زمان پردازش 54/2 ثانیه بدست آمد که 14 برابر سریع تر از الگوریتم تعقیب ذرات سه فریمه است.به منظور تعیین صحت سرعت های اندازه گیری شده توسط این روش، پنج آزمایش با سرعت های مختلف در فلوم آزمایشگاهی انجام شد و سرعت های قرائت شده توسط لوله پیتوت با اندازه گیری های انجام شده توسط الگوریتم برداری تعقیب ذرات مقایسه شدند، که میانگین خطای 19/4 درصد برای این اندازه گیری ها بدست آمد. همچنین با محاسبه ی پروفیل سرعت متوسط از روی میدانسرعت های لحظه ای، پروفیل متوسط تنش برشی آشفته محاسبه و مشاهده شد که در عمق بالاتر از لایه مرزی، تنش های برشی آشفته دارای همبستگی خطی باr^2=0.934 می باشند و می توان با امتداد این خط تا عمق صفر، تنش برشی کف را بدست آورد.نتایج بدست آمده نشان می دهد که روش سرعت سنجی تعقیب ذرات توسعه داده شده، دارای عملکرد مناسبی در تشخیص و شناسایی مکان ذرات در فریم های متوالی می باشد و در عمل نیز نتایج مطلوبی را دارا است و می توان میدان تنش برشی آشفته و تنش برشی کف را به وسیله ی این روش محاسبه کرد.

تصویربرداری ابرطیفی ابزاری مهم در کاربردهای سنجش از دور به شمار می رود. اگرچه حسگرهای ابرطیفی وضوح طیفی بسیار بالایی دارند، وضوح مکانی آنها محدود است که این امر یکی از دلایل به وجود آمدن پیکسل های آمیخته در تصاویر ابرطیفی است. تجزیه و تحلیل پیکسل های آمیخته یا جداسازی طیفی، تجزیه این پیکسل ها به مجموعه ای از عضوهای پایانی و فراوانی های کسری است. عضوهای پایانی، طیف های استخراج شده مربوط به مواد مختلف و فراوانی های کسری، نسبت های حضور عضوهای پایانی در هر پیکسل است. فرآیند آمیختگی می تواند به دو صورت خطی و غیرخطی مدلسازی شود. در مدل آمیختگی خطی، طیف اندازه گیری شده در هر پیکسل ترکیبی خطی از طیف عضوهای پایانی حاضر در آن پیکسل به علاوه خطای مربوط به نویز است. در روش پیشنهادی اول، فاکتوریزه کردن غیرمنفی ماتریس با تنظیم گرافی به منظور جداسازی طیفی داده های ابرطیفی مورد آزمایش قرار گرفته است. این روش از ساختار هندسی داده ها و فرض تغییرناپذیری محلی استفاده می کند. همچنین برای بهبود نتایج از شرط تنک بودن فراوانی های نسبی با پارامتر تنظیم وفقی استفاده شده است. روش پیشنهادی دوم استفاده از فاکتوریزه کردن غیرمنفی ماتریس با ساختار چند لایه برای جداسازی طیفی است. استفاده از این روش، امکان افزودن قید تنک بودن روی ماتریس عضوهای پایانی را فراهم می کند که باعث بهبود نتایج می شود. نتایج با استفاده از داده های ساختگی و واقعی نشان دهنده ی برتری این الگوریتم ها و افزایش کارآیی به میزان تقریبی ده درصد در مقایسه با سایر الگوریتم های جداسازی طیفی بر حسب معیارهای رایج است. علاوه بر این، به عنوان کاربردی از جداسازی طیفی در پردازش تصاویر ابرطیفی، بررسی امکان استفاده از نتایج آن به منظور ادغام و طبقه بندی تصاویر، نشان دهنده کارآیی مناسب این نتایج برای کاربردهای ذکر شده است.

در سیستمهای سنجش از دور، تصاویر در گستره متفاوت طیف الکترومغناطیس و با دقت مکانی متفاوت اخذ می شوند. به منظور دریافت انرژی بیشتر و جلوگیری از کاهش نسبت سیگنال به نویز، تصاویر چندطیفی با دقت طیفی بالا، دارای دقت مکانی پایینی هستند و تصاویر تک رنگ با دقت مکانی بالا گستره طیفی وسیعتری دارند. با کمک ادغام تصاویر بدست آوردن تصویری با دقت مکانی بالا و اطلاعات طیفی مناسب امکان پذیر است. طراحی ضرایب بهینه (در هر دو حوزه مکان و طیف) که قادرند اطلاعات مناسب و بدون افزونه را از تصاویر چندطیفی و تکرنگ استخراج کنند، در این پایان نامه مورد بررسی قرار گرفته اند. این ضرایب بهینه که با کمک خواص آماری تصاویر استخراج می شوند نسبت به کرنلهای دیگری چون موجکها، با نوع و بافت تصاویر سنجش از دور سازگارترند.با توجه به عملکرد خوب روش pca در حفظ اطلاعات مکانی، و از طرفی عملکرد مناسب تبدیلاتی که در حوزه مکان اعمال می شوند (مانند موجکها و کانتورلت ها)، استفاده از pca در حوزه مکان در این پایان نامه پیشنهاد می شود. با استفاده از تحلیل های نظری نشان خواهیم داد که استفاده از تبدیل pca در حوزه مکان، اطلاعات طیفی تصاویر چندطیفی را به خوبی حفظ می کند. سپس برای بهره گیری از نقاط قوت الگوریتم pca (که اطلاعات مکانی را به خوبی حفظ می کند) و الگوریتم pca مکانی (که اطلاعات طیفی را به خوبی حفظ می کند) این دو روش را با یکدیگر ترکیب کرده ایم. نتایج پیاده سازی نشان می دهند که روش ترکیبی پیشنهادی، عملکرد بسیار مناسبی در حفظ همزمان اطلاعات طیفی و مکانی دارد. در ادامه پایان نامه، ضرایب تبدیل بهینه در حوزه طیف را با کمینه کردن یک تابع هزینه به دست آورده ایم. جمله اول این تابع هزینه شامل میانگین مربعات خطا بین تصویر ادغام شده و تصویر چندطیفی و جمله دوم این تابع هزینه، شامل میانگین مربعات خطا بین لبه های تصویر ادغام شده و لبه های تصویر تکرنگ است. سپس به طراحی فیلتری در حوزه مکان پرداخته ایم که ergas طیفی و ergas مکانی را کمینه می کند. دو معیار ergas طیفی و ergas مکانی دارای سازگاری مناسبی با ارزیابی بصری هستند. در نهایت ضرایب بهینه در حوزه طیف و فیلتر بهینه را با یکدیگر ترکیب کرده و به عنوان روش پیشنهادی مطرح کرده ایم. ارزیابی های بصری و کمی نشان می دهند که الگوریتم هایپیشنهادشده، کیفیت تصاویر ادغام شده را بهبود می دهند. معیارهای عددی به کاررفته برای سنجش کیفیت تصاویر ادغام شدهعبارت اند از همبستگی، ergas، sam، uiqi و qnr و الگوریتم هایی که به منظور مقایسه در نظر گرفته شده اند ihsبهبودیافته، فیلتر کالمن چنددقتی، بیز و کانتورلت بهبودیافته هستند. روش پیشنهادی کمترین زمان اجرا را نسبت به روش¬های ذکر شده داشته و ارزیابی های کمی را بسته به معیار مورد استفاده، بین سه درصد تا یازده درصد بهبود داده است.

نقشه های کاربری و پوشش های زمینی، در برنامه ریزی های کشوری از اهمیت خاصی برخوردار است. امروزه سنجش از دور موثرترین روش در تهیه ی اطلاعات پوشش های زمینی محسوب می شود. پس از تهیه ی تصاویر با طبقه بندی خودکار آن ها، نقشه های پوشش زمینی تولید می شوند. فرآیند طبقه بندی به دو مرحله استخراج ویژگی های تصویر و طبقه بندی خودکار این ویژگی ها به کلاس های پوشش زمینی تقسیم می شود. ویژگی های مزبور می توانند مربوط به خواص طیفی یا مکانی تصویر باشند. یکی از ویژگی های مکانی، بافت است. بافت توصیفی از خواص یک ناحیه از تصویر می باشد که درکی از صافی، زبری، باقاعده و یا بی قاعده بودن تغییرات در ناحیه ای از تصویر را در بیننده القا می کند. در این پایان نامه تمرکز ما بر بهبود طبقه بندی تصاویر تک باند سنجش از دور (pan) با استفاده از ویژگی های بافت می باشد.

تصویربرداری ابرطیفی ابزاری مهم در کاربردهای سنجش از دور بشمار می رود. حسگرهای ابرطیفی، نور منعکس شده از سطح زمین را در صدها و یا هزاران باند طیفی اندازه گیری کرده و حجم بالایی از داده را جهت پردازش بعدی به پایگاه زمینی می فرستند. با وجود اینکه این حسگرها وضوح طیفی بسیار بالایی دارند اما وضوح مکانی آنها پایین است. در بعضی از کاربردها، بی درنگ نیاز به داشتن تصویر در سطح زمین داریم و لازمه ی این موضوع، وجود پهنای باند زیاد بین سنسور و ایستگاه زمینی است. در اکثر مواقع، پهنای باند ارتباطی بین ماهواره و ایستگاه زمینی کاهش می یابد و این امر، باعث محدود شدن حجم داده های قابل انتقال است و ما را مستلزم به استفاده از یک تکنیک فشرده سازی می کند.. به دلیل بالا بودن این حجم و به تبع آن، دشوار بودن پردازش و آنالیز مستقیم این اطلاعات و البته قابل فشرده بودن این تصاویر، در این پژوهش دو روش "حسگری فشرده و جداسازی" معرفی شده است.