توضیحات
عنوان فارسی: سنجش تصاویر ابرطیفی فشرده شده از طریق بازیابی ماتریس های اسپارس- مشترک و درجه – کوچک
عنوان انگلیسی:
HYPERSPECTRAL IMAGE COMPRESSED SENSING VIA LOW-RANK AND JOINT-SPARSE MATRIX RECOVERY
چکیده: ما دستاورد جدیدی را برای بازسازی تصاویر ابر طیفی از تعداد کمی از اندازه گیری های فشرده نویزی را ارائه داده ایم.دستاورد بازسازی مبتنی است بر حداقلسازی واگرا که هنجارهای هسته و هنجار ترکیبی ماتریس داده را جریمه میکند.بنابراین راه حل تمایل دارد که ساختار به صورت همزمان رتبه کوچک و اسپارس – مشترک را داشته باشد.توضیح داده ایم که چگونه این دو فرض برای داده ابر طیفی مناسب سازی میشوند و توسط چندین شبیه سازی نشان میدهیم که ساختار بازسازی پیشنهادی ما به صورت قابل توجهی مصالحه بین خطای بازسازی و تعداد اندازه گیری مورد نیاز CS را افزایش میدهد.
کلمات کلیدی: تصاویر ابر طیفی ، سنجش فشرده ، سیگنال های پراکنده مشترک، ماتریس بهبود رتبه پایین ، هنجار هسته ای
معرفی
تصاویر ابر طیفی (HIS) مجموعه عظیمی از تصاویری هستند که به صورت همزمان و در چند صد باند فرکانسی خیلی نازک مجاور به هم قرار از یک صحنه بدست میایند. تمام مواد امضای طیفی و یا ویژگی جذب فرکانسی خاص خود را دارند و بنابراین هنگامیکه باند فرکانسی با رزولوشن یکسانی نمونه برداری میشود ، تصویر برداری ابر طیفی ، به ابزار خیلی قدرتمندی برای کاراکتردهی عناصر صحنه مشاهده شده ،تبدیل میشود.در نتیجه ، این نوع از تصاویر در عملیات سنجش از راه دور خیلی زیادی مانند آشکارسازی و مشخص سازی لبه زمین ، آنالیز نوع خاک کشاورزی ،اکتشافات معدنی و مونیتورینگ محیطی ( نشت نفت/گاز از خطوط نفتی و یا دیواره های محیطی ) استفاده میشود. هزینه پرداخت این رزولوشن طیفی بسیار زیاد است. برای مثال هر نمونه از HSI بدست آمده با نمونه بردارهای طیفی تصویر بردار مادون قرمز/مرئی ناسا (AVRIS) شاما بیش از 140 مگابایت داده است.این تعداد زیاد اطلاعات چالش بزرگی را ایجاد میکند به خصوص در سیستم هایی مانند سفینه فضایی که مصرف توان ، حافظه و پیچیدگی محاسباتی و عرض باند محدودیت هایی را در جایگذاری سیستم ایجاد میکنند.
توجه:
- برای دانلود فایل word کامل ترجمه لطفا اقدام به خرید فرمایید.
- پس از خرید بلافاصله لینک دانلود فایل برای شما ایمیل خواهد شد.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.