این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۱۳، شماره ۳، صفحات ۳-۱۶
عنوان فارسی استخراج ویژگی در تصاویر ابرطیفی به کمک برازش منحنی با توابع گویا
چکیده فارسی مقاله در این مقاله روشی برای کاهش ویژگی در تصاویر ابرطیفی به منظور طبقه‏بندی این داده‏ها معرفی شده است که بر مبنای استخراج ویژگیهای جدید با ابعادی بسیار کمتر از ابعاد ویژگیهای نخستین عمل می‏کند. برای هر پیکسل از یک تصویر ابرطیفی یک تابع تقریب کسری گویای مجزا از طریق برازش بر منحنی پاسخ طیفی آن پیکسل تولید می‏شود. ضرائب چند جمله‏ایها‏ی‏ صورت و مخرج این تابع به عنوان ویژگیهای جدید انتخاب می‏شوند. روش پیشنهادی بر ماهیت هندسی منحنیهای پاسخ طیفی تاکید و تمرکز دارد و بر این واقعیت تکیه می‏کند که ترتیب توالی نقاط در این منحنیها حاوی اطلاعات مفیدی است که توسط غالب روشهای استخراج ویژگی موجود، مورد توجه قرار نگرفته است. نتایج طبقه‏بندی با طبقه‏بند حداکثر احتمال حکایت از برتری صحت نتایج طبقه‏بندی به وسیله ویژگیهای معرفی شده در مقایسه با روشهای متعدد مورد بررسی دارد. به علاوه روش پیشنهادی قابلیت اعمال به تمام پیکسلهای تصویر به صورت همزمان را داراست.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Hyperspectral Data Feature Extraction Using Rational Function Curve Fitting
چکیده انگلیسی مقاله In this paper, a new feature reduction technique for hyperspectral data classification problem is proposed based on extracting new features with smaller dimension with respect to the original data. For each pixel of a hyperspectral image, a specific rational function approximation is developed to fit its own spectral response curve (SRC) and the coefficients of the numerator and denominator polynomials of this function are considered as new extracted features. The method focuses on geometrical nature of SRCs and relies on the fact that the sequence discipline - ordinance of reflectance coefficients in spectral response curve - contains some information which has not been addressed by many other existing methods that are based on statistical analysis of data. Maximum likelihood classification results demonstrate that our method provides better classification accuracies compared to many competing feature extraction algorithms. In addition, the proposed algorithm has the possibility to be applied to all pixels of image individually and simultaneously.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حسن قاسمیان | hassan ghassemian
tehran- jalal ale ahmad ave.- tarbiat modares university- faculty of electrical and computer eng.
آزمایشگاه پردازش تصویر و آنالیز اطلاعات،دانشکده مهندسی برق و کامپیوتر،دانشگاه تربیت مدرس،تهران،ایران
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

سید ابوالفضل حسینی | seyed abolfazl hosseini
tehran- jalal ale ahmad ave.- tarbiat modares university- faculty of electrical and computer eng.
آزمایشگاه پردازش تصویر و آنالیز اطلاعات،دانشکده مهندسی برق و کامپیوتر،دانشگاه تربیت مدرس،تهران،ایران
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-721-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-386420.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش تصویر
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات