OTHERS_CITABLE
تعمیم و سادهسازی بافتآگاه شبکه برای انجام تحلیل مسیر بهینه
سادهسازی یکی از مفاهیم قدیمی علمنقشهنگاری است که همزمان با به وجود آمدن سامانههای اطلاعات مکانی، ابعاد جدیدی چون سادهسازی مدل به آن افزوده شده و سادهسازی به انتزاع نزدیکتر شدهاست. مدلسازی بسیاری از زیرساختهای ارتباطی در قالب شبکه، آن را تبدیل به یکی از مهمترین انواع داده در سامانههای اطلاعات مکانی کردهاست. رویکرد ارائهی خدمات مکانی به کاربران به صورت هرجاگاه و با درنظر گرفتن بافت، لزوم توجه به مسالهی سادهسازی بافتآگاه شبکه را یادآوری میکند. سامانهی بافتآگاه، سامانهای است که اطلاعات و خدمات را با توجه به بافتی که پرسش در آن بافت پرسیده شدهاست، در اختیار کاربر قرار میدهد. یک سامانه میتواند در سطوح محتوا، تحلیل و نمایش، بافتآگاه باشد. ترجیحات کاربر و ویژگیهای شناختی کاربر، بافتهایی هستند که در این مقاله مورد توجه قرار گرفتهاند. در چارچوب این مقاله، روشی برای ایجاد یک شبکهی سادهشده با توجه به بافتهای ترجیحات و ویژگیهای شناختی کاربر ارائه شده است. در روش پیشنهادی ترجیح کاربر در استفاده از یالهایی با ویژگی خاص، سبب ایجاد نمودار ورونوی شبکهای میشود. سه زیرشبکه به کمک این نمودار، تولید میشوند. استفاده از این زیرشبکهها در یافتن مسیر بهینه، سبب افزایش نسبت طول یالهای اولویتدار به طول کل مسیر، میشود. برنامههای کاربردی پیادهسازیشده بر مبنای این روشها، برای منطقهای از شهر وین، مؤید تاثیرگذاری بافت بر سادهسازی شبکه است و نشان میدهد، روش پیشنهادی در بیشترکردن استفاده از یالهای مورد نظر کاربر موفق عمل کرده است.
http://jgit.kntu.ac.ir/article-1-109-fa.pdf
2015-07-11
1
15
10.29252/jgit.2.1.1
بافتآگاهی
سادهسازی شبکه
هرس کردن شبکه
نمودار ورونوی شبکهای
زیرشبکه
Context-Aware Network Generalization for Optimum-Path Analysis
Generalization is a prevalent concept in Cartography to which has been added new aspects such as model generalization with developments in GIS. Increasing demand for tailored and ubiquitous geospatial services like wayfinding, makes the context-aware generalization a noticeable research area in GIScience. Most of the wayfinding services use the network data model as the main spatial data model for their analyses. Whatever data or information that characterizes the situations relevant to users, systems and applications, can be considered as context. A context-aware service is as a service which can sense user, environment and device’s situations and respond to user requests concerning contexts to fulfill the user’s needs better. From the GI services perspective, the context of a query could be the location of the device, environmental settings that query is made in, the time, the activity of the user, user’s personal information, the user’s favorites and information needs, the user’s cognitive map of environment, the mode of travel, the purpose of travel and the device’s technological specifications. In this paper, we try to propose and implement a method for context-aware network generalization at the analysis level. For finding the best path, user contexts like user’s favorite streets will be used. These contexts are modeled as edge’s attributes and those edges which fulfill user’s needs, will be the generators of the Network Voronoi Diagram. With these diagrams, the network will be simplified into sub graphs using Delaunay diagram over the network. The path would be composed of the path between origin and destination to their corresponding generators and the path between generators. This method guarantees the maximum use of edges with user’s need context as well as decreasing computational cost.
http://jgit.kntu.ac.ir/article-1-109-en.pdf
2015-07-11
1
15
10.29252/jgit.2.1.1
Context-Awareness
Network Generalization
Network Pruning
Network Voronoi Diagram
Sub-Network.
Mahdi
Rahimi
mhdrhi@gmail.com
1
K.N.Toosi University of Technology
AUTHOR
Mohammad Reza
Malek
2
K.N.Toosi University of Technology
AUTHOR
OTHERS_CITABLE
نرمالیزاسیون اتوماتیک تصاویر ماهوارهای چندزمانه با استفاده از شبکههای عصبی مصنوعی و پیکسلهای تغییرنیافته
نرمالیزاسیون رادیومتریک نسبی اغلب در آنالیزهای تصاویر سنجش از دور، مخصوصا در آنالیزهای آشکارسازی تغییرات پوششی اراضی مورد استفاده قرار میگیرد. نرمالیزاسیون، اختلافات رادیومتریکی بین تصاویر، ناشی از نابرابری شرایط تصویربرداری و نه به خاطر تغییرات واقعی در بازتاب سطحی را کاهش میدهد. در این مقاله، یک روش نرمالیزاسیون اتوماتیک، مبتنی بر شبکههای عصبی و پیکسلهای تغییرنیافته، معرفی میگردد. در روش پیشنهادی ابتدا پیکسلهای تغییرنیافته با استفاده از روش طرح شده در این تحقیق که بر مبنای استفاده از روش آشکارسازی تغییرات CVA، تبدیل مؤلفههای اصلی و قطعهبندی کا-مینز میباشد، تعیین شده و در مرحله مدلسازی، معماریهای مختلفی از شبکههای عصبی به منظور تعیین بهترین معماری برای این کاربرد خاص، بررسی شده و شبکه با معماری بهینه برای تهیه تصویر نرمالیزه مورد استفاده قرار گرفته است. ایده مورد نظر روی دو جفت تصویر مرجع-هدف اخذ شده توسط سنجنده TM پیادهسازی شده است. نتایج نرمالیزاسیون حاصل از روش پیشنهادی با نتایج حاصل از 8 روش نرمالیزاسیون شامل: تطابق هیستوگرام(HM)، تصحیح haze(HC)، نرمالیزاسیون مینیمم-ماکزیمم(MM)، نرمالیزاسیون میانگین-انحراف معیار(MS)، رگرسیون ساده(SR)، رگرسیون بهبود داده شده درجات اول، دوم و سوم و رگرسیون بهبود داده شده خطی-قطعهای مقایسه گردید. ارزیابی صورت گرفته از الگوریتم پیشنهادی، قابلیت این روش را هم در آشکارسازی اتوماتیک تغییرات و هم در کاهش تاثیرات شرایط تصویربرداری(اتمسفر و سایر عوامل تاثیرگذار) نسبت به روشهای متداول نشان میدهد. روش آشکارسازی تغییرات پیشنهادی، قابلیت بالایی در شناسایی تغییرات پوشش گیاهی صورت گرفته در منطقه داشته و استفاده از این روش باعث بهبود نتایج نرمالیزاسیون در تمامی باندهای تصویر، مخصوصا در باندهای سوم و چهارم که در محدوده طیفی نور قرمز و مادون قرمز قرار میگیرد، شده است. در مرحله مدلسازی نیز استفاده از شبکههای عصبی سبب کاهش خطای کمترین مربعات نرمالیزاسیون دادههای ارزیابی در مقایسه با روشهای متداول نرمالیزاسیون(مدلهای خطی و غیرخطی) شده است.
http://jgit.kntu.ac.ir/article-1-110-fa.pdf
2015-07-11
17
39
10.29252/jgit.2.1.17
تصاویر ماهوارهایچندزمانه
آشکارسازی تغییرات
نرمالیزاسیون رادیومتریک نسبی
شبکههای عصبی مصنوعی.
Automatic Normalization of Multitemporal Satellite Images using Artificial Neural Network and Unchanged Pixels
Relative Radiometric Normalization is often required in remote sensing image analyses particularly in the land cover change detection process. The normalization process minimizes the radiometric differences between two images caused by inequalities in the acquisition conditions rather than changes in surface reflectance. In this paper a new automatic Relative Radiometric Normalization (RRN) method is proposed which uses an Artificial Neural Network (ANN) and unchanged pixels. The proposed method includes the following stages: 1) automatic detection of unchanged pixels based on a new idea that uses CVA method, PCA transformation and K-means clustering technique, 2) evaluation of different architectures of perceptron neural networks in order to find the best architecture for this specific task and 3) use of the aforementioned network for normalizing the subject image. The method has been implemented on two paires of reference and subject images taken by the TM sensor. Normalization results obtained from the proposed method compared with the 8 conventional methods includes: Histogram matching, Haze Correction, Minimum-Maximum, Mean-Standard deviation, Simple Regression, Linear, Quadratic and Cubic Simple Regression Using Unchanged pixels and Multi Line Regression Using Unchanged Pixels. Experimental results confirm the effectiveness of the presented technique in the automatic detection of unchanged pixels and minimizing any imaging condition effects (i.e., atmosphere and other effective parameters). The proposed method for automatic change detection shows a high capability in detection of changes in covered vegetation areas. Using of this proposed method improves normalization results in all bands, especially in the third and fourth bands which are located in the red and infrared portion of the electromagnetic spectrum. The evaluation results of modeling stage reveal that the normalization using ANN in all 6 bands of all images has produced the more optimum results compared to those of normalization with conventional methods.
http://jgit.kntu.ac.ir/article-1-110-en.pdf
2015-07-11
17
39
10.29252/jgit.2.1.17
Rheology
Finite-element methods
Brittle
Geotherm
Iran.
Vahid
Sadeghi
vahid.sadeghi.1985@gmail.com
1
K.N.Toosi University of Technology
AUTHOR
Hamid
Ebadi
2
K.N.Toosi University of Technology
AUTHOR
Farshid
Farnood Ahmadi
3
University of Tabriz
AUTHOR
OTHERS_CITABLE
ارزیابی میزان دادههای هیدرو گرافی مورد نیاز در عمقیابی ماهوارهای
عملیات عمقسنجی در نواحی ساحلی وسیع به روش مستقیم آبنگاری (عمقسنجی با اکوساندر) بسیار هزینهبر بوده و زمان زیادی را به خود اختصاص میدهد. بنابراین سنجش از دور با توجه به توانایی بالا در جمع آوری اطلاعات در زمان کوتاه و در محدودهای وسیع، راهکاری بسیار مناسب و مؤثر میتواند باشد. در تحقیق پیشرو به دو روش عمق یابی ماهواره ای یکی بر مبنای اصول فیزیکی و دیگری بر مبنای نگاشت عددی ( روش شبکه عصبی) اشاره میشود و در دادهایی یکسان با هم مقایسه میشوند سپس با توجه به سادگی و بهینهتر بودن نتایج روش دوم، تاثیر میزان اندازهگیری های مستقیم برای کالیبره کردن یا آموزش این روش با مقایسه اختلاف میانمقادیر خروجی با مقادیر عمق اندازهگیری شده ارزیابی میشود. در واقع هدف از انجام آزمونهای این قسمت پاسخ به این پرسش است که تا چه حد روشهای عمقیابی سنجش از دور به دادههای صحرایی نیاز دارند و به بیان دیگر رابطه تغییر دقت عمق-سنجی با تغییر تعداد و پراکندگی نقاط کنترل چگونه است و آیا میتوان با تعداد محدودی از خطوط عمقیابی به دقت معقولی رسید؟ بررسیها نشان میدهد که علاوه بر کارایی روش شبکه عصبی در برآورد عمق تنها یک مسیر هیدروگرافی از ساحل تا میانه دریا میتواند نتایج رضایت بخشی(RMSE حدود 6/1 و ضریب همبستگی 92%) را ارائه دهد.
http://jgit.kntu.ac.ir/article-1-111-fa.pdf
2015-07-11
41
53
10.29252/jgit.2.1.41
عمق یابی
فیزیک تضعیف نور
تصاویر ماهواره ای
The Assessment of Required Hydrographic Data for Remote Sensing Bathymetry
Today, depth mapping of coastal and waterfront areas is necessary for various aims such as shipping, dredging, underwater piping, hazardous area detection, hydrological studies, material mapping of water bed, information collection from marine settlements for environment preservation, military and engineering applications. Periodical depth mapping of wide water areas by classic hydrographic method (via ecosounder) is expensive and time consuming. Therefore, due to high capability of remote sensing in rapid data collection from wide area, it can be an effective and proper complementary method for this purpose. Attention to this issue is more important for our country which has long shorelines. At this paper two physical and mathematical bathymetric methods are evaluated. The first method is based on physical behaviour of light attenuation in water column while the second method is a numerical fitting between image gray levels and according water depths by means of artificial neural network (ANN). Our initial experiments show that although the first method has physical meaning but the second method is more accurate and simpler too. Both methods require a set of known hydrographic depthes as calibration data. Therefore, our next experiments try to answer two principal questions: how much can reduce the hydrographic filed operations in remote sensing bathymetry and how much is the accuracy of waterbed topography extracting from satelite images? The result of our experiments showes that introducing of only one hydrographic line perpendicular to coastline as calibration data to ANN method is able to produce satisfied result with depth accuracy RMSE 1.6m and correlation coefficient 92%.
http://jgit.kntu.ac.ir/article-1-111-en.pdf
2015-07-11
41
53
10.29252/jgit.2.1.41
Bathymetry
light attenuation physic
Satellite images.
Mojde
Ebrahimi kia
moj_ebrahimikia@yahoo.com
1
University of Tehran
AUTHOR
Mohammad
Saadat Seresht
2
University of Tehran
AUTHOR
OTHERS_CITABLE
مقایسه دو روش پردازش آماری دادههای اکوساندر چندپرتویی (MBES)
استفاده از روشها و تجهیزات صوتی برای برداشت اطلاعات و نقشهبرداری از بستر آبها، بطور چشمگیری گسترش یافته است. اکوساندر چندپرتویی (Multi Beam Echo Sounder (MBES: از جمله سیستمهای صوتی است که قادر به اندازهگیری همزمان عمق و شدت موج برگشتی از بستر آبها میباشد. این سیستمها میتوانند یک دسته پرتو با فواصل مساوی به سمت بستر ارسال و شدت موج برگشتی وابسته به زاویه تلاقی پرتو با سطح بستر (طبق قانون لامبرت) را دریافت نمایند. یکی از مهمترین کاربردهای این داده برای کلاسهبندی رسوبات است که بدین منظور در مطالعات مختلف از وابستگی زاویهای استفاده شده است. در این روش، زمانی که در طول یک پینگ، نوع رسوبات تغییر کند، پیچیدگیهایی ظاهر میگردد چراکه نمیتوان بین تغییرات زاویهای پرتوها و تغییرات واقعی در نوع رسوبات تفکیک قائل شد. بنابراین پیشنهاد میشودکه این دادهها مستقل از زاویه شوند. در این مقاله دو روش آماری بر مبنای هیستوگرام برای حذف اثر وابستگی زاویهای ارائه میگردد: 1) انطباق هیستوگرامها با استفاده از گشتاورهای آماری، 2) انطباق هیستوگرامها با استفاده از اصول پردازش تصویر. در هر دو روش سعی میشود هیستوگرامهای دادهها در زاویه تقاطع نزدیک به نادیر به هیستوگرام دادهها در یک زاویه تلاقی کوچک (دادههای مرجع) منطبق شوند. در نهایت نتایج حاصل از پیادهسازی دو روش مزبور بر دادههای رودخانه وال هلند با یکدیگر مقایسه میگردند.
http://jgit.kntu.ac.ir/article-1-112-fa.pdf
2015-07-11
55
73
10.29252/jgit.2.1.55
اکوساندر چند پرتویی (MBES)
شدت موج برگشتی
وابستگی زاویه ای
انطباق هیستوگرام
گشتاورهای آماری.
mparison between Two Statistical Processing Methods of Multi-Beam Echo-Sounder Data on Histogram Matching
At present, applying the acoustic approaches and equipments has been increasingly used for gathering information from seafloor to produce maps with numerous applications. Multi-beam echo-sounder (MBES) is an acoustic system that measures both the depth and the backscatter strength, simultaneously. Such systems transmit a series of beams to the seafloor and receive their backscatter strengths (BS). They can be described as a function of the incident angle based on the Lambert law. Seafloor sediment classification is an important application of these data. In different studies, angular dependence has been used for this purpose. A complication occurs when the sediment types change along the swath, because it is difficult to separate from the beam angular dependence and the true backscatter strength variations. Therefore, these data should become independence of the angle. In this paper, two statistical methods based on the histogram matching are compared for removing the angular dependence: 1) histogram matching using the statistical moments, and 2) histogram matching using the image processing technique. These methods will register the BS data of large grazing angles (close to nadir) to the reference low grazing angle. Finally we will apply the two methods to a MBES data set of the Waal river, the Netherlands and compare the results.
http://jgit.kntu.ac.ir/article-1-112-en.pdf
2015-07-11
55
73
10.29252/jgit.2.1.55
Multi-Beam Echo-Sounder (MBES)
Backscatter Strength
Angular Dependence
Histogram Matching
Statistical Moment
Samane
Lesani-Gooya
sl_lesani@yahoo.com
1
University of Isfahan
AUTHOR
Alireza
Amiri-Simkooei
2
University of Isfahan
AUTHOR
Mehdi
Momeni-Shahraki
3
University of Isfahan
AUTHOR
Nafise
Kakhani
4
University of Isfahan
AUTHOR
OTHERS_CITABLE
برآورد خرد-پیکسلی دمای آب دریاچه ارومیه به کمک روش جداسازی طیفی باندهای مادون قرمز حرارتی تصاویر ماهوارهای
دمای آب یک شاخص مهم محیطی در مطالعه آبراهه ها، رودخانه ها ودریاچه هاست، همچنین اهمیت زیادی در مدیریت منابع طبیعی و محیط زیست دارد. هرچند با استفاده از تصاویر با توان تفکیک بالا، امکان برآورد دقیق تر دمای سطح آب ممکن است، ولی به دلیل دوره بازگشت زمانی زیاد، این داده ها قابلیت کاربردی بالایی ندارند. در عوض، تصاویری با توان تفکیک مکانی پایین تر مانند MODIS، به دلیل دوره بازگشت کوتاه (چندین بار در روز) برای برآورد پارامترهای پدیدههایی پویا مانند آب مناسبتر هستند. به منظور بهرهگیری کامل از تصاویر با قدرت تفکیک پایین، یک روش خلوص زیر پیکسل بسط داده شده و بر روی دریاچه ارومیه بررسی شد. این رویکرد صحت نقشه های دمای آب تصاویر با قدرت تفکیک پایین را بهبود داد که این امر از مرزهای آبی استخراج شده از عوارض آب برداری بدست آمد. با استخراج سهم هر جزء تصویر( آب و خشکی) و محاسبه گسیلمندی مربوط به هر جزء تصویر در نهایت با استفاده از الگوریتم split window دمای آب استخراج شد و نقشه دمایی زیر پیکسل آب دریاچه ارومیه با نقشه دمایی حاصل از باندهای حرارتی ASTER مقایسه شد و خطای میانگین بین دو تصویر 58/ درجه سانتیگراد بدست آمد که این نشان می دهد نتیجه مطلوبی حاصل شده است.
http://jgit.kntu.ac.ir/article-1-113-fa.pdf
2015-07-11
75
88
10.29252/jgit.2.1.75
دمای آب
ASTER
MODIS
پیکسل مبنا
جداسازی طیفی.
Subpixel water temperature estimation of Urmia lake using un mixing approach of thermal infrared satellite images
Measuring water temperature is an important environmental index in order to study narrow channels, rivers, and lakes. Also, it has important role in environmental and water resources management. Although high resolution data can provide better estimation of surface water temperature, but due to their low temporal resolution, they have less applicability. In contrast, low spatial resolution data like Modis images, due to their high temporal resolution (several times a day), is more suitable for estimating parameters of dynamic phenomenon such as water temperature. In order to use low resolution images, a sub-pixel unmixing technique was developed and tried on Urmia lake waters. This approach leads an improvement in accuracy of water temperature maps derived from vectors water features. After derivation of each image fractions for water and land and calculation of emissivity of each fraction, water temperature was estimated using Split Window algorithm. Then temperature water sub-pixel was compared to the temperature map obtained from ASTER thermal bands. Standard error between the images was estimated to be 0.58 centigrade, which is a favorable result.
http://jgit.kntu.ac.ir/article-1-113-en.pdf
2015-07-11
75
88
10.29252/jgit.2.1.75
Water temperature
MODIS
ASTER
Pixel-base
Sub-pixel
Parvize
Ziaeean Firoozabadi
rsgis1000@yahoo.com
1
kharazmi university
AUTHOR
Manoochehr
Farajzadeh
2
tarbiat modares university
AUTHOR
Ali Jafare
mosivand
3
Delft industrial university, netherlands
AUTHOR
Mahmood
omidali
4
tarbiat modares university
AUTHOR
OTHERS_CITABLE
ارائه مدلی پارامتریک و کامل جهت کالیبراسیون لیزراسکنرهای زمینی
در طول دهه گذشته، مهندسی نقشه برداری در نقاط مختلف جهان، پیشرفتهای گسترده ای را در تکنیک های جمعآوری دادههای مکانی داشته است. از بین راه های مختلف پیشنهادی، یکی از این جدیدترین این توسعه ها به صورت استفاده از تکنولوژی لیزر اسکنر ظاهر شده است. متد لیزر اسکنر به استفاده کننده اجازه جمع آوری اتوماتیک و مستقیم داده های سه بعدی را داده است. تحقیق در خصوص عوامل تأثیرگذار بر دقت و منابع آن ها، در اندازهگیریهای لیزر اسکنر به دلیل عوامل زیاد تأثیرگذار بسیار، سخت و پیچیده میباشد. بنابراین بدلیل وجو خطاهای مختلف آنچه در مورد این ابزار لازم به نظر میرسد کالیبراسیون آنها می باشد. تا کنون مدل های مختلفی جهت بهبود کیفیت داده های لیزر اسکنر ارائه شده است. در این مقاله بر اساس ساختار داخلی این دستگاه، مدلی پارامتریک جهت کالیبراسیون ابر نقاط حاصل ارائه می شود که اثر آن بر کیفیت داده های حاصل از ایجاد یک میدان آزمون مورد ارزیابی قرار گرفته است. مقایسه این مدل با مدلهای ارائه شده توسط دیگر محققین نشان دهنده این مطلب است که بدلیل اینکه تنها در بردارنده پارامترهای فیزیکی است و بر خلاف مدلهای دیگر پارامتر تجربی را شامل نمیشود برای انواع مختلفی از لیزراسکنرها قابل استفاده میباشد. بعد از آن پایداری پارامترها و وابستگی آنها با تغییر ساختار دستگاه به طور دقیق مورد بررسی قرار گرفته است. .با محاسبه پارامترهای مدل و ارزیابی وابستگیآنها و اعمال آنها بر دادههای ابر نقاط مشاهده میشود که این مدل با پایداری نسبی پارامترها، میتواند دقت دادههای لیزر اسکنر زمینی را بهبود بخشد.
http://jgit.kntu.ac.ir/article-1-114-fa.pdf
2015-07-11
89
105
10.29252/jgit.2.1.89
لیزر اسکنر زمینی
کالیبراسیون
ابر نقاط
مدل پارامتریک.
Representation a complete parametric model to calibrating TLS instruments
Surveying has great improvements in data collection techniques in last decade.one of these techniques is laser scanner.with that method we can collect 3D datas automaticly.investigating of the error sources in TLS measurments is rather complicated due to a large number of influencing factors that are quite interrelatred. Thus calibration is an important issue in these devices. several models have been proposed to improve the accuracy of the laser scanners datas until now.each of these models includes some physically parameters and some empirically parameters which have been produced by observation of residuals diagram,in this paper a parametric model based on the internal structure of laser scaner is presented for calibrating these devices. This model compared with another models shows that due to having just physical parameters and not empirical parameters it can be used for a variety of TLS instruments. because of the importance of stability of parameters in a model, stability of them and the correlation between them will be investigated precisely. the results show that this model with a relative stability can improve the accuracy of TLS data.
http://jgit.kntu.ac.ir/article-1-114-en.pdf
2015-07-11
89
105
10.29252/jgit.2.1.89
terrestrial Laser scanner
Calibration
point cloud
parametric model
Elnaz
mohammad zanjanipour
e.zanjanipour@gmail.com
1
K.N.Toosi University of Technology
AUTHOR
Masoud
varshosaz
2
K.N.Toosi University of Technology
AUTHOR
Mohammad
saadat seresht
3
University of Tehran
AUTHOR