دوره 17، شماره 1 - ( مجله مهندسی برق و الکترونیک ایران - جلد 17 شماره 1 1399 )                   جلد 17 شماره 1 صفحات 44-35 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Amiri F, Kahaei M H. Enhancing Supervised Hyperspectral Unmixing using Spatial Correlation under Nonlinear Mixing Model. Journal of Iranian Association of Electrical and Electronics Engineers 2020; 17 (1) :35-44
URL: http://jiaeee.com/article-1-663-fa.html
امیری فهیمه، کهائی محمدحسین. بهبود دقت جداسازی با نظارت تصاویر ابرطیفی با استفاده از اطلاعات مکانی در مدل ترکیب غیرخطی. نشریه مهندسی برق و الکترونیک ایران. 1399; 17 (1) :35-44

URL: http://jiaeee.com/article-1-663-fa.html

بهبود دقت جداسازی با نظارت تصاویر ابرطیفی با استفاده از اطلاعات مکانی در مدل ترکیب غیرخطی
فهیمه امیری ، محمدحسین کهائی*
دانشگاه علم و صنعت ایران- دانشکده مهندسی برق
چکیده:   (2985 مشاهده)
چکیده: در این مقاله، راه حلی برای جداسازی تصویر ابرطیفی به روش بیزین با بهره­گیری از اطلاعات مکانی ارائه می­شود. روش پیشنهادی بر اساس مدل ترکیب چندجمله‌ای پساغیرخطی می­‌باشد که در این مدل مقدار بازتاب هر پیکسل تصویر، ترکیبی از توابع غیرخطی مشخصه­‌های طیفی مواد خالص است که با نویز گاوسی ترکیب شده است. برای بهبود کیفیت جداسازی، به طور متناوب تصویر به کلاس­های مختلف تقسیم می­شود که دارای بازتاب طیفی مشابه هستند و بدین ترتیب فراوانی مواد در پیکسل­های یک کلاس مشابه یکدیگر است. سپس بردار فراوانی هر کلاس تخمین زده می­شود. بدین ترتیب با بکارگیری توام تمام پیکسل­های هر کلاس، دقت جداسازی افزایش خواهد یافت. برای طبقه­بندی تصویر، همبستگی مکانی پیکسل­های هر کلاس با استفاده از میدان تصادفی مارکف مدل می­شود. ساختار بیزین پیشنهادی بردار فراوانی و کلاس پیکسل تصویر رابه طور همزمان تخمین می­‌زند. به دلیل پیچیدگی تابع درست­نمایی، برای تخمین پارامترها، از نمونه‌بردار مونت-کارلو زنجیره مارکف استفاده شده است. نتایج نشان دهنده این موضوع است که روش پیشنهادی در مقایسه با الگوریتم­های رایج مدل­های غیرخطی دارای دقت بهتری بوده و همچنین نسبت به الگوریتم خطی حتی با استفاده از اطلاعات مکانی دارای حداقل 20% بهبود دقت تخمین و بازسازی تصویر می­باشد.
واژه‌های کلیدی: جداسازی ابرطیفی، مدل بیزین، مدل ترکیب چندجمله‌ای پساغیرخطی، میدان تصادفی مارکف، همبستگی مکانی، نمونه‌بردار مونت-کارلوزنجیره مارکف
متن کامل [PDF 996 kb]   (1342 دریافت)    
نوع مقاله: پژوهشي | موضوع مقاله: مخابرات
دریافت: 1397/6/18 | پذیرش: 1398/4/2 | انتشار: 1398/12/27
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به نشریه مهندسی برق و الکترونیک ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2025 CC BY-NC 4.0 | Journal of Iranian Association of Electrical and Electronics Engineers

Designed & Developed by : Yektaweb