این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۱۴، شماره ۳، صفحات ۳۷-۵۰
عنوان فارسی جداسازی طیفی با استفاده از الگوریتم HYCA بهبود یافته
چکیده فارسی مقاله تصویربرداری ابرطیفی ابزاری مهم در کاربردهای سنجش از دور بشمار می­رود. حسگرهای ابرطیفی، نور منعکس شده از سطح زمین را در صدها و یا هزاران باند طیفی اندازه­گیری می کنند. افزایش تعداد این باندها، حجم بالایی از داده را تولید می کند که جهت پردازش بعدی باید به پایگاه زمینی فرستاده شود. با وجود اینکه این حسگرها وضوح طیفی بسیار بالایی دارند اما وضوح مکانی آنها پایین است. در بعضی از کاربردها، بی­درنگ نیاز به داشتن تصویر در سطح زمین داریم که لازمه­ی این موضوع، وجود پهنای باند زیاد بین سنسور و ایستگاه زمینی است. در اکثر مواقع، پهنای باند ارتباطی بین ماهواره و ایستگاه زمینی کاهش می­یابد و این امر، ما را مستلزم به استفاده از یک تکنیک فشرده­سازی می­کند. علاوه بر حجم بالای داده مشکل دیگر در این تصاویر، وجود پیسکل­های آمیخته است. تجزیه و تحلیل پیکسل­های آمیخته یا جداسازی طیفی، تجزیه پیکسله­ای آمیخته به مجموعه­ای از اعضای پایانی و فراوانی­های کسری آن­هاست. اعضای پایانی، طیف­های استخراج شده مربوط به مواد مختلف و فراوانی­های کسری، نسبت­های حضور این اعضاء در هر پیکسل هستند. به­دلیل بالا بودن این حجم و به تبع آن، دشواربودن پردازش و آنالیز مستقیم این اطلاعات و البته قابل فشرده بودن این تصاویر، در سال­های اخیر روش­هایی تحت عنوان «حسگری­فشرده و جداسازی» معرفی شده است. در این روش‌ها، تعداد عناصر تشکیل دهنده سطح هر پیکسل را محدود در نظر گرفته و با توجه به تغییرات اندک فراوانی­های کسری، فرض تنک بودن را برای این‌گونه تصاویر در نظر می‌گیرند. الگوریتم HYCA یکی از الگوریتم‌هایی است که با توجه به ویژگی‌های ذاتی تصاویر، سعی در فشرده­سازی این تصاویر کرده است. یکی از ویژگی‌های بارز این الگوریتم، سعی در استفاده از اطلاعات مکانی به منظور بازسازی بهتر داده‌ها است. در این پژوهش، روشی مطرح شده است که علاوه بر اطلاعات مکانی، از اطلاعات طیفی موجود در تصاویر، آن هم به صورت بی‌درنگ استفاده کند. در بخش انتهایی این مقاله از داده‌های ابرطیفی ساختگی و واقعی به منظور بررسی کارآمدی روش پیشنهادی استفاده شده است. نتایج به‌دست آمده، برتری روش پیشنهادی را در کاربردهای واقعی از خود نشان می‌دهد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Spectral Unmixing Using Improved HYCA Algorithm
چکیده انگلیسی مقاله Hyperspectral imaging is a significant tool in remote sensing applications. Hyperspectral sensors measure the reflected light from surface of objects in hundreds or thousands of spectral bands. Increasing the number of bands produce a large amount of data which is needed to be transmitted to terrestrial station for further processing. Despite of their high spectral resolution, their spatial resolution is low. In some applications, real-time image are needed which requires high bandwidth between sensors and ground. Most of the time, the bandwidth between satellite and ground is limited and limits the amount of data that can be transmitted which brings the idea of compression into mind. Also, in addition to large amount of data, mixed pixels in images are another issue to be considered. Analysis of mixed pixels or spectral unmixing is decomposition of mixed pixels into a set of endmembers and abundance fraction maps. Endmembers are extracted spectrals related to different materials and abundance fractions are proportions of endmembers in each pixel. In recent years, because of large amount of data and difficulty of real-time signal processing and also having the ability of image compression, methods of "Compressive Sensing and Unmixing" are introduced. Number of elements in each pixel have been considered finite and also sparsity assumption for these images according to low variation of abundance fractions have been considered. HYCA algorithm is one of the methods trying to compress these kind of data with their inherent features. One of the sensible characteristics of this algorithm is utilizing spatial information for better reconstruction of data. In this research a real-time method is proposed which uses spectral information in addition to spatial information. Realistic and synthetic data have been used in this article and the results show the superiority of our method in real-world applications.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله فرشید خواچه راینی | farshid khajeh rayeni
دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

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

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-752-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-566514.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش تصویر
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات