[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
آمار نشریه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار سایت
مقالات منتشر شده: 338
نرخ پذیرش: 63.2
نرخ رد: 36.8
میانگین داوری: 207 روز
میانگین انتشار: 342 روز
..
:: دوره 13، شماره 1 - ( 3-1404 ) ::
جلد 13 شماره 1 صفحات 93-77 برگشت به فهرست نسخه ها
ارزیابی بهبود روشنایی تصاویر هوایی به کمک روش‌های یادگیری عمیق
حسین زاور ، رضا شاه حسینی*
دانشگاه تهران
چکیده:   (305 مشاهده)

عکس‌برداری به کمک پرنده‌های بدون سرنشین به‌منظور پایش و بررسی وضع موجود یکی از پرکاربردترین موارد استفاده در نقشه‌برداری می‌باشد اما علی‌رغم فواید بسیار بالای این کار مشکلاتی نیز به همراه دارد. تنظیم نادرست دوربین در زمان عکس‌برداری، شرایط نامساعد جوی و تغییر شرایط نوری، مهم‌ترین عواملی هستند که باعث کاهش کیفیت تصاویر می‌شوند. به‌طورکلی روش‌های ارائه‌شده برای بهبود روشنایی را می‌توان به دودسته سنتی مانند استفاده از هیستوگرام و روش‌های مدرن شامل شبکه‌های عصبی و یادگیری عمیق که امروزه توجه بیش‌تر محققین را به خود جلب کرده است طبقه‌بندی کرد. هدف این تحقیق، بررسی عملکرد روش‌های یادگیری عمیق در بهبود روشنایی تصاویر هوایی است که به دلیل کاهش جزییات موجود ازنظر بصری و به طبع آن از دست رفتن اطلاعات طیفی، نامناسب می‌باشند. این تصاویر برای تولید محصولات مکانی گوناگون مانند تصویر اورتو و مدل دیجیتالی سطح زمین استفاده می‌شوند و بهبود روشنایی آن‌ها و بازیابی اطلاعات طیفی تأثیر مستقیمی بر روی محصولات مکانی خواهد داشت. به همین دلیل، در این مقاله 3 روش مختلف یادگیری عمیق برای بهبود روشنایی تصاویر زمینی که در تحقیقات گذشته بهترین نتایج را به همراه داشته‌اند، بررسی می‌شوند و بهترین روش بر اساس 10 معیار سنجش روشنایی انتخاب می‌گردد. داده‌های مورد ارزیابی، تصاویر هوایی اخذشده از دو منطقه مختلف است که به دلیل روشنایی نامناسب دارای مناطقی با کاهش زیاد جزییات ازنظر بصری و از دست رفتن اطلاعات طیفی می‌باشند. آشکارسازی عوارض پنهان‌شده در مناطق سایه و مناطقی با میزان نور بیش‌ازاندازه به کمک بازیابی اطلاعات طیفی از طریق افزایش اختلاف بین مقادیر دیجیتالی پیکسل‌ها در این مناطق صورت می‌گیرد. نتیجه به‌دست‌آمده از بهترین روش‌ انتخاب‌شده برای دو مجموعه داده، بر اساس شاخص شباهت ساختاری که یکی از مهم‌ترین شاخص‌های ارزیابی در بین 10 شاخص استفاده‌شده است به ترتیب برای منطقه موردمطالعه اول و دوم برابر 0/92 و 0/96 است.

واژه‌های کلیدی: فتوگرامتری، ادغام، بهبود روشنایی، اورتوفتو، یادگیری عمیق
متن کامل [PDF 2075 kb]   (13 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سنجش از دور
دریافت: 1403/7/19 | پذیرش: 1404/3/7 | انتشار الکترونیک پیش از انتشار نهایی: 1404/5/14 | انتشار: 1404/6/9
ارسال پیام به نویسنده مسئول


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Zavar H, Shah-Hoseini R. Evaluation of Aerial Image Brightness Enhancement Using Deep Learning Methods. jgit 2025; 13 (1) :77-93
URL: http://jgit.kntu.ac.ir/article-1-964-fa.html

زاور حسین، شاه حسینی رضا. ارزیابی بهبود روشنایی تصاویر هوایی به کمک روش‌های یادگیری عمیق. مهندسی فناوری اطلاعات مکانی. 1404; 13 (1) :77-93

URL: http://jgit.kntu.ac.ir/article-1-964-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 13، شماره 1 - ( 3-1404 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.06 seconds with 36 queries by YEKTAWEB 4714