OTHERS_CITABLE فشرده‌سازی تصویر بر مبنای میانگین‌گیری چند گانه امروزه فشرده‌سازی داده و بطور خاص فشرده‌سازی تصاویر عددی یکی از بحثهای مهم در بسیاری از رشته­های علوم محسوب می‌شود و متخصصین مختلف از شبکه‌های تلویزیونی و وب سرویسها تا مهندسی پزشکی و سنجش از دور و GIS در پی یافتن تکنیکهای مناسب جهت ماکزیمم فشرده‌سازی با حد­اقل اتلاف می­باشند. بر این اساس الگوریتمهای گوناگونی جهت اهداف و کاربردهای مشخصی ارائه شده است. در این مقاله پس از مروری کوتاه بر روشهای فشرده‌سازی موجک، تبدیل کسینوسی گسسته، KLT و روش تلفیقی بین تبدیل موجک و KLT یک روش فشرده‌سازی بر مبنای میانگین‌گیری چند گانه که با میانگین گیری با شروع های متفاوت از تصویر، حجم تصویر را تا یک چهارم کاهش می‌دهد و برای بازیابی تصویر نیز از تلفیق تصاویر میانگین‌گیری شده و سپس از مینیمم و ماکزیمم استفاده می‌نماید، ارائه شده است. سپس الگوریتم پیشنهادی بر روی چند تصویر از جمله یک تصویر ماهواره‌ای اجرا شده و نتایج نشان می­دهد که با کیفیت قابل قبول به میزان 25%حجم ذخیره‌سازی فایلها کاهش یافته است.  http://jgit.kntu.ac.ir/article-1-158-fa.pdf 2015-11-22 1 17 10.29252/jgit.2.3.1 فشرده‌سازی میانگین‌گیری تبدیل موجک تبدیل کسینوسی گسسته Image compression based on multi averaging In this paper at first some image compression methods such as wavelet, KLT, Discrete Cosine Transform and combined wavelet and KLT were reviewed and then anew method based on multi averaging was proposed. The proposed method was applied on some images including a spaceborn remote sensing image and the results were presented. Few statistical parameters such as MSE, PSNR and CR for evaluation of the method on the compressed images were calculated. In addition, for image retrieving, the averaging compressed image and then minimum and maximum values were used. http://jgit.kntu.ac.ir/article-1-158-en.pdf 2015-11-22 1 17 10.29252/jgit.2.3.1 image compression averaging wavelet Transform Discrete Cosine Transform Mostafa Ojagloo 1 K.N.Toosi University of Technology AUTHOR Mahmood Reza Sahebi sahebi@kntu.ac.ir 2 K.N.Toosi University of Technology AUTHOR
OTHERS_CITABLE طراحی هندسه بخش فضایی یک سیستم ناوبری منطقه‌ای برای خاورمیانه به دلیل محدودیت­های موجود در سیستم­های تعیین موقعیت جهانی نظیر GPSو با توجه به کاربردهای روز افزون اینگونه سیستم‌ها، امروزه شاهد شکوفا شدن نسل­های جدیدی از سیستم‌های تعیین موقعیت ماهواره­ای در کشورهای مختلف هستیم. این نوع سیستم­ها به دو دسته سیستم‌های مکمل و مستقل منطقه‌ای تقسیم می‌شوند. طراحی آرایش یا هندسه فضایی این نسل از سیستم‌های تعیین موقعیت ماهواره­ای متاثر از اهداف مورد نظر در این گروه از پروژه­های فضایی و وابسته به پارامترهای مختلفی است. این تحقیق به طراحی آرایش فضایی سیستم تعیین موقعیت ماهواره‌ای مستقلی برای خاورمیانه می‌پردازد که از هفت ماهواره زمین آهنگ تشکیل شده و پوششی بهینه را در این محدوده فراهم می­سازد. 5 سناریو مشتمل بر 7 ماهواره ارائه شده است. با مقایسه سناریوهای پیشنهادی بر مبنای معیارهای ضریب دقت (PDOP)، ارزش صورت فلکی، اعتماد پذیری­های داخلی و خارجی؛ همچنین میزان موفقیت در حل پارامتر ابهام فاز آرایش بهینه­ای برای بخش فضایی این سیستم پیشنهاد شده است. http://jgit.kntu.ac.ir/article-1-159-fa.pdf 2015-11-22 19 34 10.29252/jgit.2.3.19 طراحی سیستم ناوبری منطقه‌ای PDOP قابلیت اطمینان داخلی و خارجی حل ابهام فاز Constellation Design of Regional Navigation System for Middle East Due to the existing restrictions in the global navigation satellite systems like GPS and their daily increasing applications, new generations of satellite navigation systems are being emerged. The new generations of the satellite navigation systems are classified to complementary and regional independent ones. The geometry or the constellation design of a new system depends on the space mission goals and other various parameters. This paper discusses on the design procedure for the geometry of the space segment in a regional satellite positioning and navigation system for Middle East. The proposed constellation is composed of 7 geo-synchronous satellites which provide an optimum coverage in the study area. For this purpose, PDOP, constellation value, internal and external reliabilities as well as the rate of success in ambiguity resolution have been used for selecting the optimum design among the 5 proposed scenarios http://jgit.kntu.ac.ir/article-1-159-en.pdf 2015-11-22 19 34 10.29252/jgit.2.3.19 Design of regional navigation system PDOP Internal and External reliability Success rate Hossein Etemadfard hossein_etemadfard@yahoo.com 1 K.N.Toosi University of Technology AUTHOR Masoud Mashhadi Hossainali 2 K.N.Toosi University of Technology AUTHOR
OTHERS_CITABLE بررسی سطوح همبستگی بین پارامترهای مدل مداری در تصحیح هندسی تصاویر ماهواره‌ای مدل پارامترهای مداری یکی از مقیدترین مدل‌های فیزیکی تصحیح هندسی تصاویر ماهواره‌ای محسوب می‌شود. ساختار این مدل به نحوی تدوین شده که شرایط فیزیکی حاکم در سکوها‌ی ماهواره‌ای را در بازه‌ی زمانی اخذ تصویر مدلسازی نماید. در این مدل، تعدد پارامترهای موجود در مدلسازی و همبستگی میان پارامترهای مدل موجب ایجاد مشکلاتی در حل دستگاه معادلات می‌شود. عموماً مشکلات موجود با افزودن پارامترهای مدل به شکل شبه‌مشاهده و همچنین کنترل روند تصحیح‌پذیری هر پارامتر به ‌کمک مقادیر وزن، تا حد زیادی کاسته می‌شود. اما تعیین مقادیر صحیح وزن شبه‌مشاهدات با توجه به دقت‌های تقریبی اطلاعات کمکی امری دشوار بوده و عمدتاً عدم تعیین وزن مناسب برای شبه‌مشاهدات، تحمیل پارامترهای اضافی را در ساختار مدلسازی به همراه دارد. در این مقاله با تدوین سناریو‌هایی، به بررسی سطح همبستگی پارامترهای مدل مداری پرداخته شد. برای این منظور قابلیت پارامترهای مدل مداری صلب در پوشش اثر اغتشاشات وضعیتی سنجنده مورد تحلیل و بررسی قرار گرفته است. نتایج نشان داد که محدوده‌ی مشخصی از اغتشاشات وضعیتی سنجنده بواسطه‌ی همبستگی بین پارامترهای مدل مداری، توسط مدل مداری صلب قابل پوشش می‌باشد. از سوی دیگر اثبات شد که توانایی مدل مداری صلب زمانی‌که از شبه‌مشاهدات در روند مدلسازی استفاده نگردند، بارزتر خواهد بود. http://jgit.kntu.ac.ir/article-1-160-fa.pdf 2015-11-22 35 50 10.29252/jgit.2.3.35 مدل پارامترهای مداری همبستگی تقاطع فضای شرط‌هم‌خطی پارامترهای کپلری تصاویر ماهواره‌ای تصحیح هندسی Investigation level of correlation between orbital parameters model for geometric correction of satellite imagery Orbital parameters model is one of the fully constrained physical models for geometrical correction of satellite imagery. The model has been developed to cover the physical conditions prevailing in the acquisition period of satellite platforms. The multiplicity of parameters in the modeling and correlation between them causes difficulties in solving the system of equations. Generally, problems are greatly reduced by adding the model parameters in the form of quasi observations and controlling trend of corrections by the values ​​of each parameter's weights. However, it is difficult to determine the correct values of quasi observations' weight due to the approximate precision of auxiliary data. Furthermore wrong weights of quasi observations impose additional parameters in the model structure. In this article, by providing some scenarios, the level of correlations between orbital model parameters and also the capability of rigid orbital model in the covering effect of perturbations are evaluated. The obtained results proved that unconsidered perturbations, occurring in a specified domain, are coverable by other correlated parameters of rigid orbital parameters model. This ability of the rigid orbital parameters model is more evident when quasi observations are not applied in the model. http://jgit.kntu.ac.ir/article-1-160-en.pdf 2015-11-22 35 50 10.29252/jgit.2.3.35 Orbital Parameters Model Correlation Space Intersection Colinearity Equation Keplerian Parameters Satellite Imagery Alireza Safdari Nezhad Safdari_Nezhad@sina.kntu.ac.ir 1 K.N.Toosi University of Technology AUTHOR Mohammd Javad Valadan Zoej 2 K.N.Toosi University of Technology AUTHOR Mehdi Mokhtarzadeh 3 K.N.Toosi University of Technology AUTHOR
OTHERS_CITABLE مطالعه و بازیابی کارکردهای شهری در پایگاههای داده مکانی بر اساس تحلیلهای ریخت‌ شناسانه (کارکرد مورد مطالعه: محیطهای پاسخده) محیط شهری دارای کارکردهای متنوعی است که هرکدام از جنبه‌های گوناگون قابل شناخت و بررسی می‌باشند که جنبه مبتنی بر بعد هندسی و مکانی یکی از آنهاست. این مقاله روشی به‌منظور بررسی رابطه بین ریخت ساختارهای شهری با کارکردهایی که محیط شهری در تعامل با زندگی انسانها می‌تواند داشته باشد، ارائه کرده است که مبتنی بر چهارچوب تحلیلی سیستمهای پایگاه داده مکانی در پلان یک محیط شهری می­باشد. کارکرد مورد نظر این تحقیق «پاسخده بودن» محیط شهری می­باشد. روش در پیش گرفته شده مبتنی بر یک شناخت دقیق از کارکرد مورد نظر و بکارگیری آن در سیستم پایگاه داده مکانی بوده است. در این ارتباط از پارامترهای گوناگون هندسی به‌منظور اندازه‌گیری اجزاء یک پلان شهری استفاده شده و بر اساس آنها به 16 رابطه منطقی بین شاخصهای پاسخده بودن محیط و اجزای پایگاه داده مکانی رسیده‌ایم. پارامترهای مکانی مورد استفاده عمدتاً از نوع شاخصهای هندسی اندازه‌گیری شکل عوارض و ترکیب انواع شکلها در یک منظر می‌باشند که به‌همراه چندین شاخص هندسی دیگر به اندازه‌گیری ریخت شناسانه محیطهای پاسخده می‌پردازند. پیاده‌سازی این روش برای ناحیه 4 منطقه 12 شهرداری تهران انجام شده ولایه­های خروجی با مدارک دیگری نظیر ادراکات انسانی، نقشه‌های کاربری و بازدیدهای میدانی موردارزیابی قرار گرفته‌اند. http://jgit.kntu.ac.ir/article-1-161-fa.pdf 2015-11-22 51 68 10.29252/jgit.2.3.51 پایگاههای داده مکانی ریخت‌شناسی شهر محیطهای پاسخده اندازه‌گیری منظر. Studying and Retrieving the Urban Functionalities based on Morphological Analysis (The Studied Function: Responsive Environments) The urban environments may have much functionality in different issues that each one depends on different aspects. This paper presents an analytical framework in spatial database systems for urban layouts to study the relations between urban forms and functionalities of urban environments. The selected functionality that is considered in this paper is Responsiveness of urban environments. The method is based on a precise introduction of the concept in a spatial computational procedure. The presented method makes a comprehensive introduction and consists of parameters and their interactions.  The applied method has two main components that are the introduction of responsive environments and the spatial database of urban layouts. The mapping of the parameters and relations to objects and attributes spatial database leads to retrieving the function of responsiveness in spatial database. The method uses many spatial and geometrical parameters to measure the urban layout’s components and presents the 16 logical relations between the responsive environments and spatial database components. The implementation is done for district 12, region 4 of the Tehran and the output layers are verified by people’s opinions, land use map of extent and field observations. http://jgit.kntu.ac.ir/article-1-161-en.pdf 2015-11-22 51 68 10.29252/jgit.2.3.51 Spatial database Urban forms Responsive environments Ontology Tolue Silavi tsilavi@ut.ac.ir 1 University of Tehran AUTHOR Farshad Hakimpour 2 University of Tehran AUTHOR Farshad Nourian 3 Department of Urbanism, University of Tehran AUTHOR
OTHERS_CITABLE استفاده از سیستم‌های طبقه‌بندی چندگانه به‌منظور بهبود دقت طبقه‌بندی تصاویر تمام پلاریمتریک راداری با فضای ویژگی ابعاد بالا یک تصویر تمام پلاریمتریک راداری (POLSAR) قابلیت فراهم‌کردن یک داده با فضای ویژگی ابعاد بالا را دارد. این حجم بالای اطلاعاتی می‌تواند دقت کلی طبقه‌بندی پوشش زمینی را افزایش دهد. اما افزایش ابعاد داده در صورت ناکافی بودن تعداد نمونه­های آموزشی ممکن است باعث پیچیده­تر شدن طبقه­بندی و رخ دادن پدیده نفرین ابعاد شود. یکی از راهکارهای حل این مشکل، استفاده از سیستم­های طبقه­بندی چندگانه (MCS) است که توانایی تقسیم و غلبه بر حجم بالای داده در مقایسه با طبقه­بندی‌کننده­های تکی را داراست. حتی برخی از روش­های MCS می­توانند با به­کارگیری طبقه­بندی­کننده­های ضعیف و ناپایدار همچون درخت تصمیم (DT) و شبکه عصبی (NN) به دقت بالایی در طبقه­بندی ابعاد بالا دست یابند. هدف این مقاله نیز استفاده از چند روش مشهور MCS همچون آدابوست، بگینگ و جنگل‌های تصادفی به‌منظور بهبود دقت طبقه­بندی پوشش زمینی از تصاویر POLSAR با ابعاد بالا است. داده­های استفاده شده در این مقاله، تصاویر راداری رادارست-2 از منطقه سانفرانسیسکو و تصویر ایرسار از منطقه فلوولند است. برای طبقه‌بندی این دو تصویر، 69 ویژگی پلاریمتریک از آن­ها استخراج شد. دو جداساز NN و DT به­عنوان طبقه‌بندی کننده پایه روش‌های آدابوست و بگینگ انتخاب شد. در ادامه، روش‌های MCS با طبقه­بندی­کننده­های تکی NN و DT مقایسه شد. نتایج، نشان از دقت کلی بیشتر روش­های MCS بین 5%-8% برای طبقه­بندی تصویر اول و 9% تا 16% برای طبقه­بندی تصویر دوم داشت. حتی دقت تولید کننده و دقت کاربر روش­های MCS در تمام کلاس­ها نسبت به طبقه‌بندی کننده‌های تکی بیشتر بود. به­گونه­ای که در برخی کلاس­ها این اختلاف بین 20% تا حتی نزدیک به 50% شد. این نتایج نشان داد که روش­های MCS در مقایسه با طبقه‌بندی­کننده­های تکی نه­تنها قادر به تولید دقت کلی بیشتر در طبقه­بندی پوشش زمینی است، بلکه حتی کارایی و اعتمادپذیری نسبی بالاتری در تفکیک تک­تک کلاس­ها دارد. http://jgit.kntu.ac.ir/article-1-162-fa.pdf 2015-11-22 69 84 10.29252/jgit.2.3.69 سیستم طبقه بندی چندگانه تصاویر تمام پلاریمتریک رادار فضای ویژگی ابعاد بالا The Use of Multiple Classifier Systems For Improving the Classification Accuracy of High–Dimensional Fully Polarimetric SAR Images A fully polarimetric synthetic aperture radar (POLSAR) image can provide a high-dimensional data. This large amount of information can increase the overall accuracy of land-cover classification. But increasing the data dimensions if inadequately number of training samples may increase the complexity and cause the curse of dimensionality phenomenon. One of the strategies for solving this problem is the use of multiple classifier systems (MCS) that has the capability of divide and conquer to the large data as compared to the individual classifiers. In addition, some of MCS methods using the weak and unstable classifiers such as decision tree (DT) and neural network (NN) can obtain the high accuracy in high-dimensional data. The objective of this paper is also to use several popular MCS methods such as adaboost, bagging and random forests in order to improve the accuracy of land-cover classification from high-dimensional PolSAR images. The data used in this paper are Radarsat-2 image from San Francisco Bay and AIRSAR image of Flevoland. For classifying two these images, 69 polarimetric features were extracted from them. Two classifiers of DT and NN were chosen as the base classifiers of adaboost and bagging methods. In the next, the MCS methods were compared with the individual classifiers of DT and NN. The results indicated the higher overall accuracy of MCS methods between 5%–8% for classifying first image and 9%–16% for classifying second image. Even, the producer's accuracy and user's accuracy of MCS methods at all classes were more than the those of individual classifiers. So that at some classes, the difference was between 20% to even near 50%. These results confirmed that the MCS methods not only can produce higher overall accuracy at land-cover classification, but also they have the higher efficiency and reliability at discriminate individual classes. http://jgit.kntu.ac.ir/article-1-162-en.pdf 2015-11-22 69 84 10.29252/jgit.2.3.69 multiple classifier system fully polarimetric image radar SAR high-dimensional Iman Khosravi iman.khosravi@ut.ac.ir 1 University of Tehran AUTHOR Akhondzadeh Mehdi 2 University of Tehran AUTHOR
OTHERS_CITABLE تصحیح خودکار rpc های تصاویر ماهواره‌ای irs-p5 توسط مدل‌های رقومی ارتفاعی یکی از راهکارهای اساسی در تولید و به‌روزرسانی داده­های مکانی از جمله مدل­های رقومی ارتفاعی (DEM) استفاده از تصاویر پوششی ماهواره‌ای است. برای این منظور، معمولاً از ضرایب چندجمله‌ای‌های کسری (RPC ها) که به‌عنوان یک فراداده‌ی اصلی در کنار تصاویر ماهواره‌ای قرار دارند استفاده می‌شود. با این ‌وجود، استفاده از این ضرایب به دلیل یکسری خطاهای سامانمند که در جمع‌آوری آن‌ها وجود دارد منجر به تولید DEM خطادار از منطقه می‌شوند. از این‌رو در این تحقیق روشی ارائه می‌شود تا با رفع خودکار خطای RPC ها در فضای زمین دستیابی به DEM دقیق را مقدور سازد. در این روش از طریق تناظریابی 2.5 بعدی بین DEM حاصل از زوج تصاویر ماهواره­ای IRS-P5 و DEM 10 متری سازمان نقشه‌برداری کشور، خطای RPC ها بر روی DEM حاصل کاهش داده می‌شود. نتایج تجربی این تحقیق نشان می‌دهد که از طریق DEM های 10 متری سازمان نقشه­برداری کشور و زوج تصاویر ماهواره­ای IRS-P5 می­توان به دقت حدود یک پیکسل یا بهتر در تولید و به‌روزرسانی DEM رسید. http://jgit.kntu.ac.ir/article-1-163-fa.pdf 2015-11-22 85 90 10.29252/jgit.2.3.85 تصحیح ضرایب RPC مدل رقومی ارتفاعی تصاویر ماهواره‌ای IRS-P5 تناظریابی 2.5 بعدی Automated bias compensation of RPCs of IRS-P5 satellite images using DEM Overlapping satellite images are one of the key solutions in both generating and updating of spatial data like digital elevation model (DEM). To do this, rational polynomial coefficients (RPCs), as an essential Meta data for satellite images, are regularly used. Nonetheless, these coefficients due to some systematic errors in their gathering lead to an erroneous DEM. Accordingly, in this study a new method is proposed to make it possible to obtain an accurate DEM using automated bias compensation of the RPCs in object space. In this method, RPC biases on the resulting DEM are nearly removed using a 2.5D matching procedure between IRS-P5 derived DEM and the national-cartographic-center DEM (NCC DEM). The experimental results of this study showed that using both 10-meter NCC DEM and stereo images of IRS-P5 satellite images can achieve about one pixel level of accuracy or better in both DEM generating and updating. http://jgit.kntu.ac.ir/article-1-163-en.pdf 2015-11-22 85 90 10.29252/jgit.2.3.85 Bias compensation of the RPCs DEMs IRS-P5 satellite images 2.5 matching Amin Alizadeh Naeini amin.al65@gmail.com. 1 University of Isfahan AUTHOR Safa Khazaie 2 Imam Hossein Comprehensive University AUTHOR Hossein Arefi 3 University of Tehran AUTHOR Abolfazl Jamshidzadeh 4 University of Tehran AUTHOR