این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
هوش محاسباتی در مهندسی برق، جلد ۷، شماره ۳، صفحات ۹۷-۱۱۴
عنوان فارسی ارائه یک پیش‌پردازشگر مکانی‌طیفی جدید برای بهبود تجزیه طیفی تصاویر ابرطیفی
چکیده فارسی مقاله : هدف از تجزیه طیفی تصاویر ابرطیفی، استخراج امضاهای طیفی عناصر خالص تشکیل­دهنده پیکسل‌های صحنه و فراوانی آن‌هاست. بیشترِ الگوریتم‌های به‌کاررفته در فرآیند استخراج امضاهای طیفی، بدون آنکه ساختار و همبستگی مکانی پیکسل‌های تصویر را در نظر بگیرند، تنها به اطلاعات طیفی پیکسل‌های تصویر توجه کرده‌اند. به‌تازگی الگوریتم‌هایی پباده­سازی شده است که به کمک ترکیب اطلاعات مکانی و طیفی، فرآیند شناسایی عناصر خالص و تجزیه طیفی را بهبود می­بخشند. در این مقاله، یک ماژول پیش‌پردازشگر جدید مکانی‌طیفی ارائه شده است؛ به‌طوری‌که پیکسل‌های نواحی مرزی به کمک نقشه کلاس به‌دست­آمده از الگوریتم کلاسترینگ، بدون نظارت و پنجره همسایگی 8تایی، میان دو یا چند ناحیه کلاستر را شناسایی و این نواحی ناهمگن مکانی را حذف می­کنند. سپس به کمک محاسبه وزن خلوص طیفی پیکسل‌های غیرِمرزی و آستانه‌گذاری، پیکسل‌های موجود در نواحی همگن مکانی و خالص طیفی را شناسایی می‌کنند تا طبقات استخراج عناصر خالص بعدی بتوانند با دقت و سرعت بیشتری، امضاهای طیفی را استخراج کنند. هدف ماژول مستقل پیشنهادی، کاهش خطای RMSE تصویرِ بازسازی‌شده و مدت زمان پردازش لازم برای استخراج عناصر خالص و بهبود معیار جدیدی به‌نام بازده نسبت به دیگر طبقات پیش­پردازشگر موجود بر روی تصاویر ابرطیفی واقعی است.
کلیدواژه‌های فارسی مقاله تجزیه طیفی، تصاویر ابرطیفی، عناصر خالص، فراوانی، مکانی،
عنوان انگلیسی A novel spatial spectral Preprocessor for improvement of hyperspectral unmixing
چکیده انگلیسی مقاله The purpose of unmixing in hyperspectral images is extraction of the endmembers spectral signatures and estimation of their related abundance fractions. Most algorithms used for endmember extraction (EE) process, are established on spectral information without any attention to spatial context and correlation of image pixels. Recently, several algorithms have been developed which utilize spatial and spectral information with the aim of improving EE and unmixing accuracy. In this paper, a novel spatial spectral preprocessor is proposed which exploits class map obtained by unsupervised clustering technique and 8th neighborhood window in order to identify pixels located in border regions between two or more clusters and discards not spatially homogenous regions. Afterwards, it calculates spectral purity weight of not border pixels in order to look for spatially homogenous and spectrally pure ones using otsu threshold. Endmembers can be extracted rapidly and accurately by means of coupling our proposal with EEs. Our distinct scheme can reduce RMSE of reconstructed image and EE processing time as well as improve a new criterion known as Efficiency regarding the state-of-the-art preprocessors on real hyperspectral images. 
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله فاطمه کوکبی |


حسن قاسمیان |
دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

احمد کشاورز |
دانشگاه خلیج فارس

نشانی اینترنتی http://isee.ui.ac.ir/article_20728_a53c0366b9fc2e60497bab0aef50d21e.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1306/article-1306-386418.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