این محصول آموزشی در ارتباط با آموزش تشخیص هدف (Target Detection) در تصاویر فراطیفی با استفاده از تطابق امضا های طیفی می باشد.
تصاویر فراطیفی با توجه به تعداد باند های زیاد در محدوده طیف امواج الکترومغناطیس از نوع داده های موجود برای دستیابی و اندازه گیری کوچکترین تغییرات در همه مواد و عوارض مورد استفاده قرار می گیرد. کتابخانه های طیفی امواج الکترومغناطیس موجود در پایگاه داده مربوط به عوارض مختلف می توانند برای اهداف شناسایی مواد و عوارض مورد نظر مورد استفاده قرار گیرند.
در این آموزش درخت بلوط آبی 🌴 (Blue Oak) که یک گونه درخت بلوط کالیفرنیایی است به عنوان یک عارضه مشخص برای شناسایی و تشخیص آن به وسیله تصویر فراطیفی سنجنده هایپریون در نظر گرفته شده است تا با تشخیص تطابق طول موج های موجود در کتابخانه طیفی موجود در نرم افزار پردازش تصاویر ماهواره ای (ENVI) و طول موج های موجود در تصویر فراطیفی سنجنده هایپریون، عارضه مورد نظر شناسایی و تشخیص داده شود.
تصحیحات اتمسفری مورد نیاز داده با استفاده از روش FLAASH انجام شده است. تطابق طیفی میان امواج الکترومغناطیس موجود در کتابخانه طیفی و امواج الکترومغناطیس موجود در تصویر فراطیفی سنجنده هایپریون با استفاده از الگوریتم های مختلفی انجام شده است، سپس تفاوت و نتایج این الگوریتم ها مورد بحث قرار گرفته شده است.
در این آموزش هدف بر این است که گونه درخت بلوط آبی کالیفرنیایی 🌴 با استفاده از روش تشخیص عارضه مورد نظر به وسیله تطابق امواج الکترومغناطیس بر اساس روش سنجش از دور شناسایی و تشخیص داده شود.
- قیمت: رایگان
- مدرس: محمد صالحی
- تخصص: کارشناسی ارشد مهندسی سنجش از دور
- موضوع: آموزش تشخیص هدف در تصاویر فراطیفی با استفاده از تطابق امضا های طیفی
- نرم افزار: پردازش تصاویر ماهواره ای ENVI
- مخاطب: تمامی علاقه مندان سنجش از دور
- نوع آموزش: ویدیویی دانلودی 📺
- پیش نیاز: آشنایی مقدماتی با ENVI
کاربرد این محصول آموزشی در زمینه تشخیص هدف یا عارضه مورد نظر در تصاویر فراطیفی با تطابق امضا های طیفی می باشد. نحوه دانلود داده ارتفاعی مناسب و انجام پیش پردازش ها و آماده سازی این داده به جهت انجام روش Target Detection در محیط نرم افزار پردازش تصاویر ماهواره ای ENVI می باشد و این که چگونه از کتابحانه های طیفی موجود در پایگاه داده نرم افزار ENVI استفاده کنید.
بصورت کلی با استفاده از این محصول شما می توانید تکنیک های لازم برای تصحیحات رادیومتریکی و اتمسفری و حذف Bad Band ها و باند هایی که نسبت سیگنال به نویز ضعیفی دارند را در تصاویر فراطیفی سنجنده هایپریون با استفاده از ENVI فراگرفته و با نمونه کاربردی آن در شناسایی و تشخیص گونه درخت بلوط کالیفرنیایی نیز آشنا خواهند شد.
در این محصول آموزشی از تصاویر فراطیفی سنجنده هایپریون برای آموزش استفاده شده است. ماهواره هایپریون در سال ۲۰۰۰ به فضا پرتاب شده است. این ماهواره پس از یک سال کار کردن به صورت آزمایشی توسط سازمان های NASA و USGS برای ادامه اهداف گسترده این سنجنده پشتیبانی شد. Hyperion یک سنجنده فراطیفی ماهواره ای است که دامنه طیفی ۰.۴ تا ۲.۵ میکرومتر را در ۲۴۲ باند طیفی با وضوح طیفی تقریبی ۱۰ نانومتر و قدرت تفکیک مکانی ۳۰ متر از مدار ۷۰۵ کیلومتری را پوشش می دهد.
مخاطبان این محصول آموزشی افرادی هستند که در زمینه سنجش از دور فراطیفی فعالیت می کنند و می توانند مطالب بسیار مفیدی را در زمینه تشخیص عوارض مختلف بدست آورند. به عنوان مثال، کاربران عمومی سنجش از دور فراطیفی با تکنیک های کار با تصاویر فراطیفی در ENVI با چگونگی استفاده از داده های فراطیفی برای تشخیص نوع عارضه با استفاده از تطابق امضا های طیفی موجود آشنا خواهند شد
عناوین آموزشی به شرح 👇 زیر می باشد:
- بخش اول: ارایه تیوری موضوع به صورت پاورپوینت
- بخش دوم: نحوه دانلود تصاویر فراطیفی سنجنده هایپریون
- بخش سوم: انجام روش Target Detection
جهت دانلود ویدیوهای این آموزش بر روی دکمه های 👇 زیر کلیک کنید:
10 نظر در “آموزش تشخیص درخت بلوط آبی (Target Detection) در تصاویر فراطیفی”
با سلام از این ماهواره می توان تصویر جدید دانلود کرد؟ باتشکر
سلام
خیر سنجنده هایپریون از مدار خارج شده است و فقط تصاویری که در آرشیو هستند را می توانید دانلود کنید.
عالیه، تشکر
با سلام
ممنون از آموزش خوبتون
چگونه میتوانیم به امضا طیفی درختی مانند پسته دسترسی داشته باشیم؟
سلام
در صورتی که نام لاتین هر عارضه ای را بدانید و امضای طیفی آن هم در کتابخانه های طیفی مانند JPL یا USGS یا … موجود باشد، می توانید آن را دانلود کنید.
در غیر این صورت باید امضای طیفی آن را با دستگاه اسپکترورادیومتر اندازه گیری کنید.
ممنون از توضیحاتتون
داخل کتابخانه های طیفی که متاسفانه موجود نبود. اما مقاله ای مطالعه کردم که آن را اندازه گیری کردند. میشه از اون استفاده کرد؟
بله
بعضی از مقالات در قسمت داده ها به داده ای که در مقاله استفاده کرده اند رفرنس می دهند که میتوان بوسیله آن رفرنس داده استفاده شده را دانلود کرد.
اگر رفرنسی وجود نداره، میشه با نویسنده مقاله مکاتبه کرد و درخواست کنید که داده را برای شما ارسال کنند.
سلام و وقت بخیر
من در ارتباط با طبقه بندی رندوم فارست برای تصاویر هایپر سوالی داشتم. امکان دارد لطفا ایمیل خودتان یا راه ارتباطی خودتان را برای بنده بفرستید؟ تشکر از شما.
سلام خانم فیروزی
سوال خودتون رو همینجا مطرح کنید که دیگران هم استفاده کنند
سلام تشکر از پاسخ شما اقای نجفی
من در طبقه بندی رندو فارست یکسری خطاها داشتم. البته با R انجام داده ام. خواستم اگر ممکن هست آموزشی در این خصوص در سایت قرار گیرد. اگر هم امکان دارد که از طریق ایمیل با کارشناس مربوط در ارتباط باشم.
تشکر از شما.