ترجمه مقاله تشخیص ناهنجاری فراطیفی بوسیله فیلتر عبوری 2 بعدی مرتبه بالا - نشریه IEEE

ترجمه مقاله تشخیص ناهنجاری فراطیفی بوسیله فیلتر عبوری 2 بعدی مرتبه بالا - نشریه IEEE
قیمت خرید این محصول
۴۱,۰۰۰ تومان
دانلود مقاله انگلیسی
عنوان فارسی
تشخیص ناهنجاری فراطیفی بوسیله فیلتر عبوری 2 بعدی مرتبه بالا
عنوان انگلیسی
Fast Hyperspectral Anomaly Detection via High-Order 2-D Crossing Filter
صفحات مقاله فارسی
25
صفحات مقاله انگلیسی
11
سال انتشار
2014
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
نشریه
آی تریپل ای - IEEE
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
pdf و ورد تایپ شده با قابلیت ویرایش
فونت ترجمه مقاله
بی نازنین
سایز ترجمه مقاله
14
نوع مقاله
ISI
نوع ارائه مقاله
ژورنال
پایگاه
اسکوپوس
ایمپکت فاکتور(IF) مجله
6.672 در سال 2019
شاخص H_index مجله
236 در سال 2020
شاخص SJR مجله
2.616 در سال 2019
شناسه ISSN مجله
0196-2892
شاخص Q یا Quartile (چارک)
Q1 در سال 2019
کد محصول
11243
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن
به صورت عدد درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
ضمیمه
ندارد ☓
بیس
نیست ☓
مدل مفهومی
ندارد ☓
پرسشنامه
ندارد ☓
متغیر
ندارد ☓
رفرنس در ترجمه
در انتهای مقاله درج شده است
رشته و گرایش های مرتبط با این مقاله
جغرافیا، سنجش از دور و سیستم اطلاعات جغرافیایی
دانشگاه
مرکز تجزیه و تحلیل و یادگیری تصویر نوری، دانشگاه پلی تکنیک شمال غربی، شیان، چین
کلمات کلیدی
تشخیص ناهنجاری، مرتبه بالا، تصویر فراطیفی، سنجش از دور، عبور 2 بعدی
کلمات کلیدی انگلیسی
Anomaly detection - high order - hyperspectral image - remote sensing - 2-D crossing
doi یا شناسه دیجیتال
https://doi.org/10.1109/TGRS.2014.2326654
فهرست مطالب
چکیده
1 . مقدمه
2 . آثار مرتبط
3 . تشخیص دهنده ناهنجاری مبتنی بر عبور دو بعدی (2DCAD)
A . تجزیه و تحلیل عبور دو بعدی مرتبه بالا
B . عبور دو بعدی مرتبه بالا برای تشخیص ناهنجاری
4 . آزمایشات
A . مجموعه داده ها
B . راه اندازی تجربی
C . مقایسه نتایج
D . مقایسه زمان های اجرا
E . بحث پارامتری
F . استحکام و نویز
5 . نتیجه گیری
تصاویر فایل ورد ترجمه مقاله (جهت بزرگنمایی روی عکس کلیک نمایید)
11243-IranArze     11243-IranArze1     11243-IranArze2
نمونه چکیده متن اصلی انگلیسی
Abstract

Anomaly detection has been an important topic in hyperspectral image analysis. This technique is sometimes more preferable than the supervised target detection because it requires no a priori information for the interested materials. Many efforts have been made in this topic; however, they usually suffer from excessive time cost and a high false-positive rate. There are two major problems that lead to such a predicament. First, the construction of the background model and affinity estimation are often overcomplicated. Second, most of these methods have to impose a stringent assumption on the spectrum distribution of background; however, these assumptions cannot hold for all practical situations. Based on this consideration, this paper proposes a novel method allowing for fast yet accurate pixel-level hyperspectral anomaly detection. We claim the following main contributions: construct a high-order 2-D crossing approach to find the regions of rapid change in the spectrum, which runs without any a priori assumption; and design a low-complexity discrimination framework for fast hyperspectral anomaly detection, which can be implemented by a series of filtering operators with linear time cost. Experiments on three different hyperspectral images containing several pixel-level anomalies demonstrate the superiority of the proposed detector compared with the benchmark methods.

I. INTRODUCTION

HYPERSPECTRAL imaging systems have the ability to collect digital images with very densely sampled or nearly continuous radiance spectra for each pixel in the scene. The captured rich information about the spectral signatures can help identify minor differences between various materials. This characteristic enables hyperspectral images to be beneficial to a wide range of applications. For example, they have already been successfully applied to environmental monitoring [1], production quality inspection [2], medical imaging [3], biological analysis [4], etc.

V. CONCLUSION

Anomalies in the hyperspectral image often represent crucial occurrences worthy of further investigation. Therefore, reliably detecting these anomalies is important in both academia and industry. In this regard, traditional hyperspectral anomaly detectors are far from satisfying due to their excessive time costs and high FPRs. In this paper, a novel hyperspectral anomaly detector has been proposed based on the formulation of the high-order 2-D crossing analysis. The proposed detector is termed 2DCAD, which can allow for fast examination of the testing pixels with respect to their neighborhoods, without losing accuracy.

نمونه چکیده ترجمه متن فارسی
چکیده

تشخیص ناهنجاری در تحلیل فراطیفی تصاویر موضوعی مهم می باشد. این روش برخی مواقع به روش های تشخیص هدف های دارای اولویت ترجیح داده می شود، چون نیازمند هیچ اطلاعات اولیه ای برای موضوعات مطلوب ما نمی باشد. در این زمینه تلاش های بسیاری صورت گرفته است. با این حال، آنها معمولا از هزینه زمانی بیش از حد و نرخ مثبت کاذب بالا رنج می برند. دو مشکل اصلی که منجر به چنین وضع نامساعدی می شود وجود دارد. اولا، ساختار مدل پس زمینه و برآورد وابستگی اغلب بیش از حد پیچیده هستند. دوما، بیشتر این روش ها باید فرضی دقیق در توزیع طیف پس زمینه ایجاد کنند؛ با این حال، این فرضیات نمی توانند برای همه ی شرایط عملی به کار روند. براساس این نظریات، این مقاله روشی جدید برای تشخیص سریع و در عین حال دقیق ناهنجاری فرا طیفی در سطح پیکسل ارائه داده است. کارهای انجام شده در این مقاله: 1) ساختار روش عبوری دو بعدی مرتبه بالا نواحی تغییر سریع را در طیف پیدا می کند، که بدون هیچ فرض اولیه ای اجرا می شود؛ و 2) طراحی چارچوبی برای تفکیک پذیری پیچیدگی کم به منظور تشخیص سریع ناهنجاری فرا طیفی، که می تواند توسط مجموعه ای از اپراتورهای فیلتر گذاری با تابع هزینه زمانی خطی اجرا شود. آزمایشات بر روی سه تصویر فرا طیفی مختلف که شامل چندین ناهنجاری در سطح پیکسل انجام شده که برتری تشخیص دهنده ارائه شده را در مقایسه با روش های سنجشی نشان می دهد.

1 . مقدمه

سیستم های تصویربرداری فرا طیفی توانایی جمع آوری تصاویر دیجیتال با نمونه گیری متراکم یا طیف درخشندگی تاحدی پیوسته برای هر پیکسل در صفحه نمایش دارند. اطلاعات بدست آمده در رابطه با اثرات طیفی می تواند به تشخیص تفاوت های جزئی بین مواد مختلف کمک کند. این مشخصه، تصاویر فرا طیفی را قادر می سازد تا برای طیف گسترده ای از کاربردها مفید باشند. برای مثال، این مشخصه ها قبلا با موفقیت در نظارت بر محیط زیست [1]، بررسی کیفیت تولید[2]، تصویربرداری پزشکی[3]، تحلیل بیولوژیکی [4] و غیره بکار رفته اند.

5 . نتیجه گیری

ناهنجاری های موجود در تصویر فراطیفی اغلب نشان دهنده وقایع حیاتی هستند که باید در بررسی شوند. بنابراین قابلیت اطمینان در تشخیص این ناهنجاری ها در صنعت و دانشگاه بسیار مهم می باشد. در این راستا، تشخیص دهنده های فرا طیفی مرسوم عملکردی رضایت بخش ندارند به دلیل اینکه هزینه های زمانی FPRها بیش از حد بالا است. در این مقاله، یک تشخیص دهنده ناهنجاری فراطیفی جدید بر اساس فرمول تحلیل عبور دو بعدی مرتبه بالا پیشنهاد شده است. تشخیص دهنده پیشنهادی 2DCAD نامیده می شود، که می تواند برای بررسی سریع آزمایش پیکسل ها با توجه به همسایگانشان، بدون از دست دادن دقت اجرا شود.


بدون دیدگاه