این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۷، شماره ۲، صفحات ۲۹-۴۲
عنوان فارسی ادغام روش‌های طیفی موجک و مکانی نوسانات کلی به‌منظور کاهش نویز در تصاویر ابرطیفی
چکیده فارسی مقاله تصاویر ابرطیفی به‌عنوان یک منبع مفید اطلاعاتی، کاربردهای مختلفی را در حوزه های مختلف ازجمله شناسایی اهداف، طبقه‌بندی، آشکارسازی تغییرات، شناسایی آنامولی در محیط‌های شهری و غیرشهری ارائه می‌کنند. نویز به‌عنوان یک بخش اجتناب‌ناپذیر از یک سیگنال است که باعث محدودیت استفاده از این تصاویر در برخی از کاربردها می شود. حذف اثر نویز در تصاویر ابرطیفی یکی از مهم‌ترین مراحل پیش‌پردازشی این تصاویر است. بدین منظور، جهت حذف نویز تصاویر ابرطیفی، داده‌ها نیاز به پیش‌پردازش دارند تا از تأثیر آن در تصاویر ابرطیفی کاسته شود. ابعاد بالای این تصاویر در مقایسه با تصاویر چندطیفی سنجش‌ازدوری، امکان پردازش و تحلیل این داده را پیچیده‌تر می‌کند. مکعب تصاویر ابرطیفی دارای سه بعد می‌باشند که بعد اول و دوم آن مربوط به حیطه مکانی و بعد سوم آن مربوط حیطه طیفی که شامل چند صد باند است. اغلب روش‌های حذف نویز در حیطه طیفی عمل می‌کنند در‌حالی‌که در این مقاله روشی نوین به‌منظور کاهش نویز تصاویر ابرطیفی ارائه‌شده است. این روش در دو حیطه مکانی و طیفی، از دو الگوریتم مجزا بر روی دو تصویر متفاوت ابرطیفی استفاده می‌کند. این تصاویر شامل تصویر ماهواره ای سنجنده هایپریون و تصویر سنجنده هوابرد اویریس است. به‌منظور کاهش نویز در حیطه مکانی از الگوریتم نوسانات کلی و در حیطه طیفی از الگوریتم موجک استفاده می‌شود. پس از پیاده‌سازی این روش-ها، نتایج در سطح پیکسل به‌صورت وزن‌دار ادغام شدند. جهت ارزیابی کارایی روش پیشنهادی، نتایج به دو صورت کمی و کیفی با سایر الگوریتم‌ها مقایسه شد. به‌منظور ارزیابی نتایج کمی از شاخص‌های متفاوتی استفاده شد که نتایج به‌دست‌آمده، دقت بالای روش پیشنهادی را نسبت به سایر روش‌ها نشان می‌دهد به‌طوری‌که عدد شاخص CEI برای داده سنجنده هایپریون 421/1 و برای داده اویریس 0022/0 است، علاوه بر آن شاخص PSNR برای داده‌ هایپریون 519/33 و برای داده اویریس 371/22 است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Fusion of spectral wavelet and spatial total-variation methods to reduce the noise of hyperspectral images
چکیده انگلیسی مقاله Hyperspectral images as a source of information can be used for diverse applications in various fields, including target identification, classification, change detection and anomaly detection in urban and non-urban areas. Noise is an inevitable part of a signal which limits the use of hyperspectral images in some applications. Noise removal is one of the most important pre-processing stages in hyperspectral images. In order to remove the noise in hyperspectral images, the data needs to be preprocessed to reduce noise impact on the images. The process and analysis of hyperspectral images is rather complicated because of the high dimensionality of hyperspectral images compared to multispectral remote sensing images. Hyperspectral image cube consist of three dimensions which the first and second dimensions related to the spatial domain and the third one related to the spectral domain which includes more than hundred bands. Most of the methods operate in the spectral domain for noise reduction while in this proposed method, a novel algorithm for reducing noise in hyperspectral images is implemented. The proposed method uses two different algorithms which are applied in two different hyperspectral images in both spatial and spectral domains. These images are Hyperion satellite image and AVIRIS airborne image. In order to reduce noise in the spatial domain, Total Variation (TV) algorithm and in the spectral domain, Wavelet algorithm is used. After the implementation of these methods, the results are fused at the pixel level. For the evaluation of the proposed method, the results were compared with other methods, both qualitatively and quantitatively. Various indices are used to assess the quantitative results which demonstrate the high accuracy of this method.CEI index for Hyperion image is 1.421 and for AVIRIS image is 0.0022. Another index is PSNR which the value for Hyperion image is 33.519 and for AVIRIS image is 22.371.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مجید اسماعیل زاده |
دانشکده مهندسی نقشه برداری و اطلاعات مکانی - دانشگاه تهران - تهران

سید تیمور سیدی |
دانشکده مهندسی نقشه برداری و اطلاعات مکانی - دانشگاه تهران - تهران

محمدرضا سراجیان |
دانشکده مهندسی نقشه برداری و اطلاعات مکانی - دانشگاه تهران - تهران

نشانی اینترنتی http://jscit.nit.ac.ir/article_81501_bb2202778c876c45c764dcc08c19a33e.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/834/article-834-1305116.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات