ترجمه مقاله مدل سازی دینامیک سیستم چشمی در سه بعدی – نشریه IEEE
مبلغ : 28800 تومان
سال انتشار : 2003
دانلود ترجمه مقاله نقش الگوریتم سریع فیلدهای سه گانه مارکوف جهت تقسیم چند کلاسه بدون نظارت SAR – مجله اشپرینگر
قیمت خرید این کالا
39,800 تومان
| عنوان فارسی: | کاربرد الگوریتم سریع مبتنی بر فیلدهای سه گانه مارکوف برای قطعه بندی چند کلاسه نظارت نشده تصاویر رادار روزنه ترکیبی (SAR) |
| عنوان انگلیسی: | Fast algorithm based on triplet Markov fields for unsupervised multi-class segmentation of SAR |
| تعداد صفحات مقاله انگلیسی : 10 | تعداد صفحات ترجمه فارسی : 17 |
| سال انتشار : 2011 | نشریه : اشپرینگر - Springer |
| فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
| کد محصول : 4214 | رفرنس : دارد |
| محتوای فایل : zip | حجم فایل : 1.47Mb |
| رشته های مرتبط با این مقاله: مهندسی برق |
| گرایش های مرتبط با این مقاله: مهندسی الکترونیک، برق مخابرات و مخابرات سیستم |
| مجله: سیستم های اطلاعات و خدمات ارتباطی |
| دانشگاه: دانشگاه مهندسی الکترونیک، شیان، چین |
| وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است |
| وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است |
| وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است |
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب
چکیده
1 مقدمه
2 مدل TMF غیر گاوسی
3 الگوریتم سریع بر مبنای TMF برای قطعه بندی چند کلاسه نظارت نشده تصاویر SAR
1 3 تجزیه جدید QuadTree و نمایش پیکسون تصویر SAR
2 3 دستیابی به تابع انرژی پتانسیل جدید TMF براساس نمایش پیکسون تصاویر SAR
3 3 تخمین پارامتر برای الگوریتم TMF سریع
4 نتایج و تحلیل آزمایشی
1 4 ارزیابی ذهنی و عینی دو الگوریتم قطعه بندی
2 4 مقایسه پیچیدگی محاسباتی بین دو الگوریتم
3 4 مقایسه هزینه های محاسباتی بین دو الگوریتم
5 نتایج
نمونه متن انگلیسی
Abstract
Non-Gaussian triplet Markov fields (TMF) model is suitable for dealing with multi-class segmentation of non-stationary and non-Gaussian synthetic aperture radar (SAR) images. Considering the complexity of the model and algorithm, as well as the requirement of real-time, and robust and efficient processing of SAR images, a fast algorithm based on TMF for unsupervised multi-class segmentation of SAR images is proposed in this paper. For the speckle noise in SAR images, numerical characteristic, threshold selection and QuadTree decomposition criterion are researched firstly. With the new method, a SAR image can quickly be mapped into an edge-based pixon-representation, which results in a coarse decomposition in smooth regions, and a fine decomposition in edges. Then by combining TMF model with the pixon-representation of SAR image, a new potential energy function of TMF based on pixon-representation is derived. Finally, the segmentation is finished by Bayesian maximum posterior mode (MPM). The effectiveness of the fast TMF algorithm is demonstrated by applying it to simulated data and real SAR images.
نمونه متن ترجمه
چکیده
مدل فیلدهای سه گانه غیر گاوسی مارکو (TMF) برای رسیدگی به قطعه بندی چند کلاسه تصاویر رادار با روزنه مصنوعی (SAR) متحرک و غیر گاوسی مناسب می باشد. با درنظر گرفتن پیچیدگی مدل و الگوریتم و همچنین نیاز پردازش بلادرنگ، پایدار و کارآمد تصاویر SAR ، الگوریتم سریع براساس TMF برای قطعه بندی چند کلاسه بدون ناظر (نظارت نشده) تصاویر SAR در این مقاله پیشنهاد شده است. برای نویز اسپکل در تصاویر SAR ، شاخصه عددی، انتخاب آستانه و معیار تجزیه ، اول مورد تحقیق قرار گرفته اند.با روش جدید، تصویر SAR را می توان به سرعت در یک نمایش پیکسون بر مبنای لبه نگاشت نمود که نتیجه این امر تجزیه درشت در مناطق هموار و تجزیه ریز در لبه ها می باشد.سپس با ترکیب مدل TMF با نمایش پیکسون تصویر SAR ، تابع انرژی پتانسیل جدید TMF براساس نمایش پیکسون، حاصل می گردد. بالاخره، قطعه بندی با مد MPM خاتمه می یابد.راجع به اثربخشی الگوریتم TMF سریع با استفاده از آن در داده های شبیه سازی شده و تصاویر واقعی SAR توضیح داده شده است.
