این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
دریا فنون، جلد ۴، شماره ۱، صفحات ۱-۱۱
عنوان فارسی بهبود کیفیت تصاویر در ناوبری پهپاد با استفاده از روش فراتفکیک‌پذیری مبتنی بر شبکه عصبی کانولوشنی با نگاشت چندلایه
چکیده فارسی مقاله ناوبری هوشمندانه و خودکار پهپاد براساس انطباق تصاویر دریافتی از پهپاد با تصاویر‌ ماهواره‌ای یکی از جدیدترین گونه‌های ناوبری‌ می‌باشد که بسیار مورد توجه محققان و صنعتگران این حوزه قرار گرفته‌است. این روش هم از نظر جنگ الکترونیک و هم از نظر کارآیی‌، زمانی موثر است که تصاویری با کیفیت بالا موجود باشد تا ویژگی‌های تصاویر را بتوان استخراج نمود. اما یکی از عواملی که سبب کاهش بهره استخراج ویژگی‌های تصاویر و انطباق آن با تصاویر ماهواره‌ای ‌می‌شود، ماتی است. مات‌زدایی از تصاویر تبدیل به یک موضوع به‌روز و چالش برانگیز برای محققان شده است. در این مقاله روشی نوین برای بهسازی کیفیت تصاویر با استفاده از روش فراتفکیک‌پذیری مبتنی بر شبکه عصبی کانولوشنی CNN با چند لایه نگاشت غیرخطی ارائه گردید که نقش بسزایی در مات‌زدایی و نویززدایی از تصاویر پهپاد دارد. نتایج نشان می‌دهد که این روش نسبت به روش‌های مطرح امروزی، کارآیی بهتری دارد. به‌طوری‌که روش پیشنهادی میزان کیفیت تصویر را نسبت به روش‌های مطرح، براساس معیار نسبت پیک سیگنال به نویز (PSNR) تقریباً به اندازه 5% افزایش می‌دهد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Improving Quality of Images in UAVs Navigation using Super-Resolution Techniques based on Convolutional Neural Network with Multi-Layer Mapping
چکیده انگلیسی مقاله Intelligent and autonomous UAV’s navigation, which is based on the compliance of received images from UAVs with those from satellites, is one of the newest types of navigation that has received much attentions from researchers and industrialists of this area. This approach is effective, in terms of electronic warfare and efficiency, when high-quality images are available so that the effective features of images can be extracted. However, blurring is one of the main destructive factors leading to decrease the extraction rate and then weak satellites’ images adaptation. So, Image de-blurring has become a new challenging issue for researchers. In this paper, a new method is proposed for improving image quality, using super-resolution techniques based on Convolutional Neural Network (CNN) with non-linear multi-layer mapping, which plays an important role in de-blurring and removing noises from UAV images. The simulation results show that the proposed method has much better performance compared to the other benchmark techniques in term of peak signal to noise ratio (PSNR) so that the proposed method increases the aforementioned criteria about 5%.
کلیدواژه‌های انگلیسی مقاله Navigation, GPS, Super-Resolution, Sparse Coding‌, CNN
نویسندگان مقاله سید محمدرضا موسوی | seyed mohammad reza
استاد دانشکده مهندسی برق، دانشگاه علم و صنعت ایران
سازمان اصلی تایید شده: دانشگاه علم و صنعت ایران (Iran university of science and technology)

مجید آقابابایی |
استادیار دانشکده مهندسی برق، دانشگاه علوم دریایی امام خمینی ره
سازمان اصلی تایید شده: دانشگاه علوم دریایی امام خمینی (Imam khomeini naval university of noshahr)

پیمان خزایی پول | khazaei pool
دانشجوی کارشناسی ارشد دانشکده مهندسی برق، دانشگاه علوم دریایی امام خمینی ره
سازمان اصلی تایید شده: دانشگاه علوم دریایی امام خمینی (Imam khomeini naval university of noshahr)

محمد خویشه |
دانشجوی دکتری دانشکده مهندسی برق، دانشگاه علم وصنعت ایران

نشانی اینترنتی http://ijmt.iranjournals.ir/article_25623_632ac4263a7d55bab9e78184c3d5eed3.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/817/article-817-401829.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