طراحی سامانه آشکارسازی هدف در مناطق بومی ایران: مطالعه موردی آبادان و اهواز، با استفاده از تصاویر ماهوارهای چندطیفی لندست ۸ و سنتینل ۲

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 200

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JTAE-4-3_005

تاریخ نمایه سازی: 10 اردیبهشت 1400

چکیده مقاله:

تصاویر ابرطیفی اطلاعات طیفی با ارزشی را جهت آشکارسازی هدف فراهم میکنند، ولی از آن جاکه این تصاویر برای مناطق ایران در دسترس نیستند. بنابراین، در این پژوهش از تصاویر چندطیفی با حدودا ۱۰ باند طیفی استفاده شده است. با توجه به تفاوتهای بین تصویر ابرطیفی و چندطیفی، نیاز به طراحی یک سامانه مناسب جهت انتخاب و تطبیق آشکارساز مناسب برای تصاویر چندطیفی احساس میشو. در این مقاله، یک روش سازمان یافته جهت ارزیابی روشهای آشکارسازی هدف تصاویر ابرطیفی استفاده و یک سامانه آشکارسازی هدف طراحی شده است. طبق این سامانه بررسی میشود که کدام یک از آشکارسازها میتواند انتخاب مناسبی جهت اعمال بر روی تصاویر چندطیفی ایران باشد. جهت این امر دو ماهواره لندست ۸ و سنتینل ۲ را به ترتیب برای تصاویری از مناطق آبادان و اهواز مورد استفاده قرار گرفتهاند. طبق نتایج آزمایشها، آشکارساز نگاشت زاویه طیفی بر مبنای کرنل، در آشکارسازی بسیاری از اهداف با استفاده از تصاویر چندطیفی عملکرد مناسبتری از خود نشان میدهد.

نویسندگان

مریم ایمانی

گروه مخابرات، دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس

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 :
  • Manolakis, D., Marden, D., and Shaw, G. A., “Hyperspectral Image ...
  • Ma, L., Crawford, M.M., and Tian, J., “Local Manifold Learning ...
  • Sakla, W., Chan, A., Ji, J., and Sakla, A., “A ...
  • Imani, M., “Anomaly Detection from Hyperspectral Images, Using Clustering Based ...
  • Du, B. and Zhang, L., “A Discriminative Metric Learning Based ...
  • Zhao, R., Du, B., and Zhang, L., “Hyperspectral Anomaly Detection ...
  • Imani, M., “Attribute Profile Based Target Detection Using Collaborative and ...
  • Reed, I.S. and Yu, X., “Adaptive Multiple-band Cfar Detection of ...
  • Guo, Q., Zhang, B., Ran, Q., Gao, L., Li, J., ...
  • Kwon, H. and Nasrabadi, N.M., “Kernel RX-algorithm: A Nonlinear Anomaly ...
  • Schaum, A.P., “Hyperspectral Anomaly Detection Beyond RX”, Proc. SPIE, Vol. ...
  • Li, W. and Du, Q., “Collaborative Representation for Hyperspectral Anomaly ...
  • Li, J., Zhang, H., Zhang, L., and Ma, L., “Hyperspectral ...
  • Xu, Y., Wu, Z., Li, J., Plaza, A., and Wei, ...
  • Zhang, Y., Du, B., Zhang, L., and Wang, S., “A ...
  • Ning, M., Yu, P., Shaojun, W., and Wei, G., " ...
  • Zhao, R., Du, B., Zhang, L., and Zhang, L., “Beyond ...
  • Du, B., Zhao, R., Zhang, L., and Zhang, L., “A ...
  • Imani, M., “RX Anomaly Detector with Rectified Background”, IEEE Geoscience ...
  • Imani, M., “Difference Based Target Detection Using Mahalanobis Distance and ...
  • Kraut, S., Scharf, L.L., and McWhorter, L.T., “Adaptive Subspace Detectors”, ...
  • Chen, Y., Nasrabadi, N.M., Tran, T.D., “Sparse Representation for Target ...
  • Robey, F.C., Fuhrmann, D.R., Kelly, E.J., and Nitzberg, R., “A ...
  • Scharf, L.L. and Friedlander, B., “Matched Subspace Detectors”, IEEE Transactions ...
  • Harsanyi, J.C. and Chang, C.I., “Hyperspectral Image Classification and Dimensionality ...
  • Kruse, F.A., Lefkoff, A.B., Boardman, J.W., Heidebrecht, K.B., Shapiro, A.T., ...
  • Camps-Valls, G., “Kernel Spectral Angle Mapper”, Electronics Letters, Vol. 52, ...
  • نمایش کامل مراجع