The issue of mapping geological units during an evolving process has now reached a point where the detection and classification of geological units is carried out with the aid of hyperspectral sensing. In this study, using hyperspectral image of Hyperion sensor, related to Khorramabad area in Lorestan province, and using Spectral Angle Mapper (SAM) and SVM (Support Vectors Machine) algorithms for detecting and separating geological units After performing the necessary preprocesses, the MNF conversion and PPI algorithm were used to reduce data and extract pure pixels on the image, respectively. From overlapping of pure pixels with geological units and ground data, the average range for Each member was extracted and then these net members are used as inputs for the above mentioned algorithms and class B DVD image was done. Field surveys performed at the points provided by the Spectral Angle Mapter (SVM) confirm the superiority of the SVM method in separating geological units. Finally, by verifying the accuracy of the algorithms by calculating the error matrix, the accuracy of the classification of each method is respectively For SAM (68.83) and SVM (81.70), it was found that at the end of the SVM algorithm with a total accuracy of 81.70 was introduced as the best classification algorithm. پرونده مقاله

In optical remote sensing, hyper-spectral (HS) image which contains color information is produced byhundreds of spectral bands. Because of the trade-off imposed by the physical constraint between spatialand spectral resolutions, the HS image has poor spatial resolution. On the contrary, the panchromatic(PAN) images have high spatial resolution but no color information. Image fusion can combine thegeometric detail of PAN image and the color information of the HS image to produce a high-resolutionHS image. The aim of this study is the fusion of Hyperion and OrbView-3 PAN images based on DiscreteWavelet Transform (DWT). Firstly, the preprocessing methods were applied on Hyperion and OrbView-3images and registration method based on nearest neighbor method were applied on two dataset. In order tofit images pixel size, the resampling operation was applied. PAN image was decomposed by DWT andthen fused by hyper spectral image with GST algorithm. DIV, CC, Q and RMSE accuracy assessmentmethods were used on final fused image to evaluate the results accuracy. The results showed that usingDWT based decomposition PAN image, preserve the spatial information during fusion rule. Also thistechnique gains high accuracy in term of spectral information of hyper spectral image. پرونده مقاله

شناسایی، ماموریتی برای کسب اطلاعات در مورد فعالیت ها، منابع، توانمدی ها و موقعیت دشمن است. شناسایی اهداف نظامی می تواند اطلاعاتی پیرامون وضعیت فعالیت ها، استقرار نیروها، آرایش نظامی و بسیاری از اطلاعات گوناگون دیگر از یک محدوده نظامی را در اختیار فرماندهان قرار دهد. در سال های اخیر پیشرفت تکنولوژی در زمینه سنجش از دور امکان تهیه تصاویر مختلف با قدرت تفکیک طیفی و مکانی بالا را فراهم نموده است. تلفیق تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا می تواند کمک موثری به شناسایی، استخراج و تولید نقشه از عناصر سازنده یک محیط را فراهم نماید. هدف از تحقیق حاضر، شناسایی اهداف نظامی با استفاده از تلفیق تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا می باشد. برای این منظور، پنجره‌ای از تصاویر سنجنده های هایپریون،ALI و OrbView3، انتخاب گردید. در ابتدا نسبت به پیش پردازش داده فراطیفی هایپریون از لحاظ باندهای غیرقابل استفاده، نوارهای بد عمود، تصحیح اتمسفری و تصحیح هندسی اقدام شد. در ادامه تصویر هایپریون در فرایند دو مرحله ای با باندهای پانکروماتیک تصاویر ALI و OrbView3 با استفاده از الگوریتم های Gram schmidt ، Pc Spectral و IHS تلفیق شد. نتایج تلفیق نشان داد، روش Gram schmidt بهترین عملکرد را از نظر طیفی و مکانی داشته است. در ادامه تحقیق از تبدیل MNF به منظور کاهش ابعاد تصویر و کاهش نویزها بهره گرفته شد و از الگوریتم PPI خالص ترین پیکسل ها به منظور استخراج پروفیل طیفی با مقایسه با طیف های مرجع به صورت بصری و دقیق به دست آمد. در ادامه از الگوریتم های BANDMAX ، نقشه بردار زاویه طیفی و دایورجنس اطلاعات طیفی جهت شناسایی اهداف استفاده شد. نتایج ارزیابی شناسایی اهداف نشان داد که روش BANDMAX با دقت کلی 89.77 و ضریب کاپای 0.81 نسبت به دو الگوریتم دیگر عملکرد بهتری داشته است. پرونده مقاله

در اختیار داشتن نقشه های کاربری اراضی جدید در بسیاری از زمینه ها از جمله مدیریت منابع طبیعی و برنامه ریزی برای سرزمین از اهمیت بسیاری برخوردار است. داده های سنجش از دور از پتانسیل بالایی برای تهیه نقشه های به روز کاربری و پوشش اراضی برخوردارند. هدف از این تحقیق ارزیابی روش های تهیه نقشه کاربری اراضی شهرستان کامیاران با استفاده از تصاویر ماهواره ای می باشد. در این مطالعه از داده های سنجنده OLI ماهواره لندست8 مربوط به ماه ژوئن سال 2018 استفاده شد. در ابتدا پیش پردازش های اولیه شامل تصحیحات رادیومتری، اتمسفری و هندسی بروی داده خام انجام گرفت. از نقاط کنترل زمینی جهت آموزش، اعتبارسنجی و برای تهیه نقشه کاربری اراضی استفاده شد. کلاس کاربری در هر نقطه با پیمایش میدانی و با استفاده از تصاویر گوگل ارث در 9 کلاس کاربری زمین های کشاورزی، جنگل، باغ، مراتع غنی، مراتع متوسط، مناطق مسکونی،پهنه آبی، زمین های بایر و رخنمون سنگی مشخص گردید. در ادامه از روش های حداکثر احتمال، حداقل فاصله، ماشین بردار پشتیبان و فاصله ماهالانوبی برای طبقه بندی نظارت شده در نرم افزار ENVI 5.3 استفاده شد. برای ارزیابی دقت روش های طبقه بندی از دو معیار صحت کلی و ضریب کاپا به همراه داده های کنترل زمینی بهره گرفته شد. نتایج تحقیق نشان داد روش ماشین بردار پشتیبان با صحت کلی 91.4 درصد و ضریب کاپا 0.88 درصد از دیگر روش ها دقت بهتری داشته است. پرونده مقاله

ادغام تصویر، فرآیند تلفیق اطلاعات مناسب از مجموعه‌ای تصاویر در یک تصویر است، به‌طوری‌که تصویر ادغام‌شده حاوی اطلاعات مفیدتر و کامل‌تر از هر یک داده‌های ورودی خواهد بود. هدف از ادغام تصاویر سنجش‌ازدوری، ترکیب اطلاعات به‌دست‌آمده از سنجنده هایی باقدرت های تفکیک مکانی، طیفی و زمانی متفاوت به‌منظور به دست آوردن تصویری با جزئیات اطلاعاتی بیشتر نسبت به هرکدام از داده‌های انفرادی است. هدف از تحقیق حاضر، ارزیابی عملکرد تبدیل موجک گسسته در ادغام تصاویر فراطیفی با تصاویر دارای قدرت تفکیک مکانی بالا است. برای این منظور، پنجره‌ای از تصاویر سنجنده های هایپریون،ALI و OrbView3، انتخاب گردید. ابتدا تصویر هایپریون، به لحاظ باندهای غیرقابل استفاده و نویزهای استریپ، تصحیح شد. از باند پانکروماتیک سنجنده ALI، به‌منظور تصحیح هندسی و ثبت تصویر هایپریون استفاده گردید. در ادامه تصویر هایپریون با استفاده از عملیات بازنمونه برداری به‌صورت تصویری با اندازه پیکسل 10 متر تبدیل‌شده و با استفاده از الگوریتم Gram-Schmit، با تصویر ALI، ادغام شد. دوباره با استفاده از تصویر OrbView3، بر روی تصویر ادغام‌شده، عملیات ثبت تصویر انجام‌گرفته سپس هر دو تصویر با استفاده از عملیات بازنمونه برداری به‌اندازه پیکسل 4 متر تبدیل شدند. تصویر OrbView3، با استفاده از موجک گسسته هار، در چهار سطح تجزیه‌شده و جهت ادغام مورداستفاده قرار گرفت. نتایج تحقیق نشان داد که با هر بار افزایش سطح تجزیه تصویر، صحت و دقت ادغام افزایش پیدا می‌کند. پرونده مقاله

تغییرات کاربری اراضی در اثر فعالیت های انسانی یکی از موضوعات مهم در برنامه ریزی های منطقه ای و توسعه ای می باشد. با توجه به مزیت ها و قابلیت هایی که داده های ماهواره ای دارند، این تکنولوژی می تواند کمک شایانی به شناسایی و کشف این تغییرات نماید. هدف از این تحقیق آشکارسازیتغییراتکاربریاراضی شهرستان کامیارانبااستفادهاز تصاویر ماهواره ای طی دوره 35 ساله می باشد. دراینمطالعهازداده های سال 1984سنجنده TM ، 2000 سنجنده ETM+و 2019 سنجنده OLIماهواره لندست استفاده شد. در ابتدا پیش پردازش های اولیه شامل تصحیحات رادیومتری، اتمسفری و هندسی بروی داده خام انجام گرفت. از نقاطکنترلزمینی جهتآموزش،اعتبارسنجیوبرایتهیهنقشهکاربریاراضیاستفادهشد.کلاسکاربری درهرنقطهباپیمایشمیدانیوبااستفادهازتصاویرگوگلارث در 9 کلاس کاربری زمین هایکشاورزی،جنگل ،باغ،مراتعغنی و مشجر،مراتعمتوسط، مناطقمسکونی،پهنهآبی، زمین های بایر و رخنمون سنگیمشخصگردید.در ادامه از روش شبکه عصبی برای طبقه بندی نظارت شده تصاویر در نرم افزار ENVI 5.3استفاده شد. نتایج ارزیابی نشان داد که صحت کلی و ضریب کاپای تصاویر طبقه بندی شده OLI به ترتیب 94.3 و 0.92 درصد، ETM+92.6 و 0.91 درصد و TM90.3 و 0.87 درصد می باشد. نتایج مشخص کرد که اراضی جنگلی و مراتع غنی و مشجرکاهش محسوسی در طی سه بازه زمانی داشته که به ترتیب 11.64 و 19.12 درصد کاهش یافته است. به طوری که مراتع غنی و مشجر تا سال 2000 روندی افزایشی و در بازه زمانی بعدی تا سال 2019 روند کاهشی داشته است. اراضی مسکونی، پهنه آبی و باغات روند افزایشی داشته و به ترتیب 2.27، 0.57 و 3.98 درصد رشد افزایشی داشته است. پرونده مقاله