مقاله کنفرانسی سال ۱۳۹۶ فارسی

ناحیه بندی سلسله مراتبی تصاویر پلاریمتری حالت فشرده با به کارگیری ضابطه فاصله آماری آزمون ویشارت

چکیده مقاله

برخلاف سیستمهای مریی و مادون قرمز، تصویربرداری رادار روزنه ترکیبی SAR بهدلیل امکان استفاده در تمام طول شبانه روز و تمام شرایط جوی به علت نفوذپذیری بالای امواج مایکروویو در مه، ابر، گردوغبار و باران دارای اهمیت زیادی است همزمان با پیشرفت سنجنده ها انواع مختلف داده هم به دامنه سنجش ازدور افزوده شد که میتوان به داده های پلاریمتریک SAR اشاره نمود این نوع دادهها به علت استفاده از اطلاعات چندین مد ارسال و دریافت امواج الکترومغناطیس رادار، نسبت به داده های SAR معمولی دارای اطلاعات بیشتری بوده و درنتیجه استفاده از آن باعث بهبود کیفیت پردازش تصویر میشود ازآنجاییکه تاکنون در زمینه ناحیه بندی تصاویر پلاریمتری حالت فشرده علیرغم مزایای ویژهای که این تصاویر دارند هیچگونه تحقیقی صورت نگرفته است، در این پژوهش به بررسی ناحیه بندی این تصاویر با استفاده از ویژگی های استخراج شده از آن خواهیم پرداخت در روش ارایه شده این تحقیق، ابتدا تصویر با استفاده از روش k means و بر اساس ویژگیهای بهینه انتخاب شده به تعداد خوشه های زیاد ناحیه بندی شده و در ادامه با اتصال این نواحی به صورت سلسله مراتبی با توجه به فاصله آماری آزمون ویشارت بعنوان ضابطه ی شباهت تعریف شده بین مراکز خوشه ها ناحیه بندی تصویر با دقت قابل قبولی صورت میگیرد

کلیدواژه‌ها

رادار روزنه ترکیبی پلاریمتری حالت فشرده ناحیه بندی تصویر فاصله آماری آزمون ویشارت

نویسندگان

تصویر جمیل نظری نژاد

جمیل نظری نژاد

دانشجوی کارشناسی ارشد، گرایش سنجش از دور، بخش مهندسی راه، ساختمان و محیط زیست، دانشکده مهندسی، دانشگاه شیراز

تصویر مریم دهقانی

مریم دهقانی

استادیار بخش مهندسی راه، ساختمان و محیط زیست، دانشکده مهندسی، دانشگاه شیراز

شیوه ارجاع

نظری نژاد، جمیل و دهقانی، مریم،1396،ناحیه بندی سلسله مراتبی تصاویر پلاریمتری حالت فشرده با به کارگیری ضابطه فاصله آماری آزمون ویشارت،دومین کنفرانس ملی محاسبات نرم،رودسر

ارائه‌شده در

پوستر مجموعه مقالات دومین کنفرانس ملی محاسبات نرم مجموعه مقالات دومین کنفرانس ملی محاسبات نرم1 آذر 1396 · رودسر
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۳۹۶ ۳,۱۱۳ مشاهده

تشخیص فعالیت های انسان از تصاویر ویدیویی با استفاده از شبکه عصبی کانولوشنی

امروزه شناسایی خودکار فعالیت انسان، در کاربردهای نظارتی و مراقبت بر افراد ناتوان بسیار ضروری میباشد استف…

شناسایی فعالیت انسانشبکه عصبی کانولوشنییادگیری عمیق
مقاله کنفرانسی سال ۱۳۹۶ ۲,۹۴۵ مشاهده

یادگیری عمیق برای سیستم های توصیه گر

سرویسهای اینترنتی امروزه محتواهای متنوعی ارایه میکنند با توجه به اهمیت سیستم های توصیه گر در سرویس دهنده…

یادگیری ماشینداده کاویبازیابی اطلاعات
مقاله کنفرانسی سال ۱۳۹۶ ۲,۴۱۱ مشاهده

شاخص های کارایی فرایند Cpmk و C در محیط فازی

از علل پیدایش شاخص های کارایی فرایند 1، نیاز موجود در کارخانه ها برای تخمین و اندازه گیری میزان کارایی ف…

کیفیت فازیشاخص کارایی فرایندعملگرهای حسابی
مقاله کنفرانسی سال ۱۳۹۶ ۲,۱۳۱ مشاهده

تخمین سرعت حد سقوط ذرات کروی در سیالات حفاری نیوتنی و غیرنیوتنی با ستفاده از ماشین بردار ارتباط

سرعت حد سقوط ذرات درداخل سیالات دارای کاربردهای فراوانی از جمله در صنعت حفاری نفت و فرآوری مواد معدنی می…

سرعت حدذرات کرویسیال نیوتنی وغیرنیوتنی
مقاله کنفرانسی سال ۱۳۹۶ ۲,۰۱۳ مشاهده

طراحی مدل هوشمند عمیق به منظور پیش بینی بیماری صرع با استفاده از سیگنال ECG

صرع شایع ترین بیماری عصبی بعد از سکته مغزی است ،که به دلیل آشفتگی های زودگذر مغز، به طور ناخودآگاه و غیر…

پیشبینیصرعیادگیری عمیق
مقاله کنفرانسی سال ۱۳۹۶ ۱,۷۷۳ مشاهده

نگاهی آماری به کاربرد محاسبات نرم در مهندسی ژیوتکنیک

در سالهای اخیر بکارگیری روش های محاسبات نرم برای تحلیل مسایل مختلف مهندسی از جمله مسایل موجود در مهندسی…

محاسبات نرممنطق فازیمهندسی ژیوتکنیک