دانلود مقاله ترجمه شده تکنیک‌های یکپارچه‌سازی قطعه‌بندی برای کلاس‌بندی تصاویر فراطیفی

Q: عنوان فارسي

تکنیکهای یکپارچهسازی قطعهبندی برای کلاسبندی تصاویر فراطیفی

چطور این مقاله مهندسی برق را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2000111 رایگان است. ترجمه چکیده این مقاله مهندسی برق در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید برای دریافت لینک دانلود مقاله آدرس ایمیل خود را درج نمایید

مایل به دریافت ترجمه فارسی هستید؟

قیمت :

815,000 ریال

شناسه محصول :

2000111

سال انتشار:

2014

حجم فایل انگلیسی :

3 Mb

حجم فایل فارسی :

نوع فایل های ضمیمه :

Pdf+Word

کلمه عبور همه فایلها :

www.daneshgahi.com

عنوان فارسي

تکنیک‌های یکپارچه‌سازی قطعه‌بندی برای کلاس‌بندی تصاویر فراطیفی

عنوان انگليسي

Integration of Segmentation Techniques for Classification of Hyperspectral Images

نویسنده/ناشر/نام مجله

IEEE GEOSCIENCE AND REMOTE SENSING LETTERS

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی برق شامل 5 صفحه انگلیسی به صورت پی دی اف و 17 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی

چکیده

یک روش جدید طیفی-فضایی برای کلاس‌بندی تصاویر فراطیفی معرفی شده است. روش ارائه شده مبتنی بر دو روش قطعه‌بندی، بهینه‌سازی ازدحام ذرات داروینی مرتبه کسری و قطعه‌بندی شیفت میانه می‌باشد. خروجی این دو روش با ماشین‌های بردار پشتیبانی (SVM) کلاس‌بندی می‌شود. نتایج تجربی نشان می‌هد که یکپارچه‌سازی دو روش قطعه‌بندی می‌تواند معایب یکدیگر را برطرف کرده و دقت کلی را در کلاس‌بندی افزایش دهد.

1-مقدمه
کلاس‌بندی دقیق تصاویر دریافتی دوردست نقشی مهم در بسیاری از کاربردهای شامل مانیتورینگ مجصولات، کاربردهای جنگلی، توسعه شهری، نقشه‌برداری و مسیریابی و مدیریت ریسک، دارد. یک راه برای رسیدن به این هدف، استفاده‌ی مرتب از اطلاعات فضایی و طیفی می‌باشد. هدف در نظر گرفتن مفهوم فضایی در مرحله کلاس‌بندی می‌تواند به صورت جزئی با استفاده از برخی روش‌های خاص نظیر فیلترهای ریخت‌شناسی و زمینه‌های تصادفی مارکوف، به دست آید...

آنالیز فراطیفی قطعه‌بندی شیفت میانه قطعه‌بندی چندسطحی :کلمات کلیدی

چکیده انگلیسی

Abstract

A new spectral–spatial method for classification of hyperspectral images is introduced. The proposed approach is based on two segmentation methods, fractional-order Darwinian particle swarm optimization and mean shift segmentation. The output of these two methods is classified by support vector machines. Experimental results indicate that the integration of the two segmentation methods can overcome the drawbacks of each other and increase the overall accuracy in classification

Keywords: Hyperspectral image analysis mean shift segmentation multilevel segmentation

این مقاله ترجمه شده مهندسی برق برای گرایش های: مهندسی برق الکترونیک، کاربرد دارد. سایر مقالات ترجمه شده مهندسی برق الکترونیک، را ببینید. [ برچسب: مقاله ترجمه شده مهندسی برق الکترونیک در زمینه کلاس‌بندی تصاویر]