تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله سنجش از راه دور محیط پیشرفت های اخیر در تکنیک های پردازش تصویر ابرطیفی – نشریه الزویر

عنوان فارسی: سنجش از راه دور محیط پیشرفت های اخیر در تکنیک های پردازش تصویر ابرطیفی
عنوان انگلیسی: Recent advances in techniques for hyperspectral image processing
تعداد صفحات مقاله انگلیسی : 13 تعداد صفحات ترجمه فارسی : 35
سال انتشار : 2009 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 7675 رفرنس : دارد
محتوای فایل : zip حجم فایل : 5.92Mb
رشته های مرتبط با این مقاله: مهندسی عمران
گرایش های مرتبط با این مقاله: سنجش از راه دور
مجله: سنجش از دور محیط زیست - Remote Sensing of Environment
دانشگاه: گروه فناوری کامپیوتر و ارتباطات، دانشگاه اکسترمادورا، کاسرس، اسپانیا
کلمات کلیدی: تقسیم بندی، تصویربرداری Hyperspectral ، روش های هسته ای، ماشین های بردار پشتیبانی، زمینه های تصادفی مارکوف، مورفولوژی ریاضی، پردازش فضایی / طیفی، تجزیه و تحلیل مخلوط طیفی، استخراج Endemember ، پردازش موازی
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده 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. مجموعه داده های ابرطیفی

2.1. مجموعه داده های کاج هندی AVIRIS

2.2 اطلاعات شهری ROSIS در پاویا، ایتالیا

2.3 مجموعه داده هایCuprite AVIRIS

3.طبقه بندی داده های ابرطیفی با استفاده از روش های هسته ای

3.1 فرمولاسیون SVM و استفاده از توابع مختلف هسته

3.2 بهره برداری از نمونه های نشاندار و غیر نشاندار برای یادگیری نیمه نظارتی

3.3 ادغام اطلاعات متنی / بافتی در روش های هسته

4. یکپارچه سازی اطلاعات مکانی و طیفی

4.1 طبقه بندی تصاویر ابر طیفی بر مبنای مورفولوژی ریاضی

4.2 طبقه بندی فضایی / طیفی با استفاده از زمینه های تصادفی مارکو

4.3 استخراج فضایی / طیفی جزء نهایی

4.4 تقسیم بندی سلسله مراتبی از تصاویر ابر طیفی

5. پیاده سازی موازی

5.1 پیاده سازی موازی طبقه بندی کننده استاندارد SVM

5.2 پیاده سازی موازی روش های مورفولوژیکی

5.3 پیاده سازی موازی تقسیم بندی سلسله مراتب

7. نتیجه گیری

نمونه متن انگلیسی

Abstract

Imaging spectroscopy, also known as hyperspectral imaging, has been transformed in less than 30 years from being a sparse research tool into a commodity product available to a broad user community. Currently, there is a need for standardized data processing techniques able to take into account the special properties of hyperspectral data. In this paper, we provide a seminal view on recent advances in techniques for hyperspectral image processing. Our main focus is on the design of techniques able to deal with the highdimensional nature of the data, and to integrate the spatial and spectral information. Performance of the discussed techniques is evaluated in different analysis scenarios. To satisfy time-critical constraints in specific applications, we also develop efficient parallel implementations of some of the discussed algorithms. Combined, these parts provide an excellent snapshot of the state-of-the-art in those areas, and offer a thoughtful perspective on future potentials and emerging challenges in the design of robust hyperspectral imaging algorithms.

نمونه متن ترجمه

چکیده

تصویربرداری اسپکتروسکوپی، که به عنوان تصویربرداری ابرطیفی شناخته می شود، در ظرف کمتر از 30 سال از یک ابزار تحقیقاتی پراکنده به یک محصول کالا در دسترسبرای یک جامعه گسترده تبدیل شده است.در حال حاضر، به تکنیک های پردازش داده های استاندارد نیاز است تا برآورد خواص ویژه ای از داده های ابرطیفی مقدور گردد. در این مقاله، ما نگاهی اجمالی به پیشرفت های اخیر در تکنیک های پردازش تصویر ابرطیفی خواهیم انداخت. تمرکز اصلی ما بر طراحی تکنیک هایی برای مقابله با داده های دارای ماهیت بعدی بالا و یکپارچه سازی اطلاعات فضائی و طیفی است. کارکرد تکنیک های مزبور در حالات مختلف تجزءیه و تحلیل مورد ارزیابی قرار گرفت. برای رفع محدودیت های زمانی بحرانی در برنامه های کاربردی خاص، به موازات آن پیاده سازی کارآمد برخی از الگوریتم های بحث شده را توسعه دادیم. در مجموع، این بخش ها تصویر لحظه ای فوق العاده ای از حالت هنری در این زمینه ها ارائه می کند و یک دیدگاه متفکرانه ای در زمینه پتانسیل های آینده و چالش های پیش رو در طراحی الگوریتم های قدرتمند تصویربرداری ابرطیفی عرضه می دارد.