اخبار ، مقالات و تحقیقات گروهی را دنبال کنید.
آموزش تشخیص درخت بلوط آبی (Target Detection) در تصاویر فراطیفی
این محصول آموزشی در ارتباط با آموزش تشخیص هدف (Target Detection) در تصاویر فراطیفی با استفاده از تطابق امضا های طیفی می باشد.
تصاوير فراطیفي با توجه به تعداد باند هاي زياد در محدوده طیف امواج الکترومغناطیس از نوع داده هاي موجود براي دستیابي و اندازه گیري کوچکترين تغییرات در همه مواد و عوارض مورد استفاده قرار مي گیرد. کتابخانه هاي طیفي امواج الکترومغناطیس موجود در پايگاه داده مربوط به عوارض مختلف مي توانند براي اهداف شناسايي مواد و عوارض مورد نظر مورد استفاده قرار گیرند.
در اين آموزش درخت بلوط آبي 🌴 (Blue Oak) که يک گونه درخت بلوط کالیفرنیايي است به عنوان يک عارضه مشخص براي شناسايي و تشخیص آن به وسیله تصوير فراطیفي سنجنده هايپريون در نظر گرفته شده است تا با تشخیص تطابق طول موج هاي موجود در کتابخانه طیفي موجود در نرم افزار پردازش تصاوير ماهواره اي (ENVI) و طول موج هاي موجود در تصوير فراطیفي سنجنده هايپريون، عارضه مورد نظر شناسايي و تشخیص داده شود.
تصحیحات اتمسفري مورد نیاز داده با استفاده از روش FLAASH انجام شده است. تطابق طیفي میان امواج الکترومغناطیس موجود در کتابخانه طیفي و امواج الکترومغناطیس موجود در تصوير فراطیفي سنجنده هايپريون با استفاده از الگوريتم هاي مختلفی انجام شده است، سپس تفاوت و نتايج اين الگوريتم ها مورد بحث قرار گرفته شده است.
در اين آموزش هدف بر اين است که گونه درخت بلوط آبي کالیفرنیايي 🌴 با استفاده از روش تشخیص عارضه مورد نظر به وسیله تطابق امواج الکترومغناطیس بر اساس روش سنجش از دور شناسايي و تشخیص داده شود.
مشخصات آموزش
- 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 تصاوير ماهواره ای ENVI
- مخاطب: تمامی علاقه مندان سنجش از دور
- نوع آموزش: ویدیویی دانلودی 📺
- پیش نیاز: آشنایی مقدماتی با ENVI
توضيحات آموزش
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 هايپريون در سال 2000 به فضا پرتاب شده است. اين ماهواره پس از يک سال کار کردن به صورت آزمايشي توسط سازمان هاي NASA و USGS براي ادامه اهداف گسترده اين سنجنده پشتیباني شد. Hyperion يک سنجنده فراطیفي ماهواره اي است که دامنه طیفي 0.4 تا 2.5 میکرومتر را در 242 باند طیفي با وضوح طیفي تقريبي 10 نانومتر و قدرت تفکیک مکاني 30 متر از مدار 705 کیلومتري را پوشش مي 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
عناوين 3 گانه آموزشی:
عناوین آموزشی به شرح 👇 زیر می باشد:
- بخش اول: ارائه تئوری موضوع به صورت پاورپوینت
- بخش دوم: نحوه دانلود تصاویر فراطیفی سنجنده هایپریون
- بخش سوم: انجام روش Target Detection
دانلود ویدئوهای آموزشی:
جهت دانلود ویدئوهای این آموزش بر روی دکمه های 👇 زیر کلیک کنید:
قسمت اول قسمت دوم قسمت سوم
10 دیدگاه. ارسال دیدگاه جدید
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.