ورود کاربران دانشگاهی
ثبت نام(مطالعه آنلاین پایان نامه ها)
کاربر مهمان
سپندا
جمعه 10 فرودرین 1403
|
35.172.223.130
:Your IP
س
امانه
پ
ایان
ن
امه های
د
انشگاه
ا
صفهان (
سپندا
)
صفحه اول(جستجو)
مرور موضوعی
پرسش های متداول و راهنما
سامانه تطبیق پایان نامه با شیوه نامه
تماس با ما
(0)
عنوان :
بهبود کلاسه بندی رسوبات بستر آب با ایجاد موزاییک تصویر از داده های سونار و پردازش تصویر
انتشارات :
دانشگاه اصفهان
سال :
1390
زبان :
Persian
شماره سند :
8651
موضوع :
مهندسی نقشه برداری گرایش سنجش از دور
پژوهشگر :
سمانه لسانی گویا
توصیفگر لاتین :
Image Processing ? Multi Beam Echo Sounder ? Classification ? Sediment ? Image Mosaic ? Backscatter Strength ? Sonar ? Segmentation
توصیفگر فارسی :
پردازش تصویر ◄ اکوساندر چند پرتویی ◄ رده بندی ◄ رسوب ◄ موزاییک تصویر ◄ شدت موج برگشتی ◄ سونار ◄ قطعه بندی
دانشکده :
دانشکده فنی و مهندسی، گروه مهندسی نقشه برداری
مقطع :
کارشناسی ارشد
استاد راهنما :
علیرضا امیری سیمکوئی
استاد مشاور :
مهدی مومنی شهرکی
سال دفاع :
1390
شماره رکورد :
8651
شماره راهنما :
MAP2 3
فهرست :
فهرست مطالبعنوان صفحهفصل اول: مقدمه1-1- مقدمه و شرح مسئله 11-2- تاریخچه و پیشینه مسئله 41-3- اهداف پایاننامه 91-4- روند ادامه مطالب 10فصل دوم: اصول برداشت اطلاعات در اکوساندهای چند¬پرتویی2-1- مقدمه 122-2- اصول واکنش بستر آب در مقابل موج صوتی 132-2-1- انعکاس 132-2-2- موج برگشتی به منبع ارسالی 142-3- مدلسازی موج برگشتی 162-4- اصول سونار 182-5- اکوساندرهای چندپرتویی 212-5-1- اصول و ساختار اکوساندرهای چندپرتویی 232-5-1-1- آرایه¬های ارسال و دریافت 242-5-1-2- منابع الکترونیکی ارسال 252-5-1-3- واحد دریافت 262-5-1-4- تقابل با کاربر 262-5-1-5- سیستم¬های کمکی 272-5-2- اصول عمق¬سنجی 272-5-3- اصول تصویربرداری 292-5-4- محدوده¬ی تحت پوشش پرتوهای MBES 302-5-5- قدرت تفکیک داده¬ها 312-5-6- فرکانس دریافت سیگنال 322-6- بررسی آماری داده¬ها بر اساس شدت موج برگشتی 33فصل سوم: تصحیح و بهنجارسازی داده¬های اکوساندر چند پرتویی3-1- مقدمه 36عنوان صفحه3-2- میانگین¬گیری از داده¬ها 373-3- تصحیح شیب محلی بستر 383-4- بهنجارسازی داده¬های MBES 453-4-1- روش گشتاورهای مرتبه بالا 463-4-2- روش پردازش تصویری تطابق هیستوگرام¬ها 49فصل چهارم: تهیه تصویر و مروری بر اصول پردازش تصویر4-1- مقدمه 524-2- شبکه بندی داده¬های MBES برای تهیه تصویر 534-3- مروری بر پیش¬پردازش داده¬های تصویری 614-3-1- یکنواخت¬سازی هیستوگرام و مزایای آن 624-3-2- فیلترهای مکانی 634-4- قطعه¬بندی تصویر 674-4-1- آشکارسازی لبه عوارض تصویر 674-4-1-1 با تعیین ناپیوستگی بین نواحی (بر اساس فیلتر لبه¬یابی) 684-4-1-2- با بررسی شباهت پیکسل¬ها به یکدیگر در یک ناحیه 704-4-2- اعمال فیلتر مبتنی بر شکل 704-4-3- تبدیل آبخیز 754-4-4- توصیف و تفسیر عوارض 754-4-5- آشکارسازی شی 764-5- پس¬پردازش و ارزیابی نتایج کلاسه¬بندی 76فصل پنجم: معرفی ابزار و داده¬های مورد استفاده5-1- مقدمه 785-2- مطالعه و شناسایی منطقه جمع¬آوری داده 795-3- معرفی دستگاه Kongsberg EM3002 825-4- معرفی نرم¬افزارهای مورد استفاده 845-5- روش های آنالیز نمونه¬برداری از بستر 85فصل ششم: پیاده¬سازی بر روی داده¬ها و نتایج آنها6-1- مقدمه 876-2- مقایسه نتایج دو روش بهنجارسازی داده¬های اکوساندر چندپرتویی 88عنوان صفحه6-2-1- پیاده¬سازی روش گشتاورهای آماری مرتبه بالا 906-2-2- پیاده¬سازی روش پردازش تصویری تطابق هیستوگرام¬ها 956-2-3- نتایج حاصل از دو روش 966-3- بخش¬بندی داده¬ها 976-4- تهیه تصویر 996-4-1- درونیابی داده¬ها (شبکه¬بندی) 1006-4-2- پردازش داده¬های شبکه¬بندی شده 1106-4-2-1- یکسان¬سازی محدوده شدت موج برگشتی در تمامی شبکه¬ها 1106-4-2-2- کاهش اثر نوارهای ظاهر شده در شبکه¬های داده 1116-4-2-3- یکنواخت¬سازی هیستوگرام 1156-4-3- تبدیل شدت موج برگشتی به درجه خاکستری 1156-5- قطعه¬بندی تصاویر در محیط Matlab 1196-5-1- نتایج روش فیلتر بافت 1196-5-2- نتایج روش مبتنی بر شکل 1216-6- ارزیابی دقت روش قطعه¬بندی تصاویر 1266-7- کلاسه¬بندی تصاویر با استفاده از اندازه دانه¬بندی رسوبات 131فصل هفتم: نتیجه¬گیری و پیشنهادات7-1- نتیجه¬گیری 1347-2- پیشنهادات ادامه کار 136پیوست¬ها:پیوست (الف): معرفی آماره¬های ارزیابی دقت نتایج 138الف-1- ضریب همبستگی 138الف-2- رگرسیون خطی 139پیوست (ب): کاتالوگ دستگاه Kongsberg EM3002 141پیوست (ج): روش¬های درونیابی پیاده شده بر روی داده¬ها با کمک نرم¬افزار Surfer 8 142پیوست (د): اطلاعات بدست¬آمده پس از آنالیز نمونه مواد رسوبات بستر 149وبگاه¬های مورد استفاده 150منابع و مآخذ 150
چکیده :
چکیده: امروزه استفاده از روش¬ها و تجهیزات صوتی برای برداشت اطلاعات و نقشه¬برداری از بستر آبها، بطور چشمگیری گسترش یافته است. اکوساندر چند¬پرتویی (MBES) از جمله سیستم¬های صوتی است که قادر به اندازه¬گیری همزمان عمق و شدت موج برگشتی از بستر آبها می¬باشد. این سیستم¬ها می¬توانند 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 کلاسه¬بندی رسوبات است که در مطالعات مختلف از وابستگی زاویه¬ای بدین¬منظور استفاده شده¬است. در این روش، زمانی که در طول یک نوار برداشت، نوع رسوبات تغییر کند، پیچیدگی¬هایی ظاهر میگردد، چراکه نمی¬توان بین تغییرات زاویه¬ای پرتوها و تغییرات واقعی در نوع رسوبات تفکیک قائل شد. بنابراین پیشنهاد می¬شود که این داده¬ها مستقل از زاویه شوند. در این پایاننامه دو روش آماری بر مبنای هیستوگرام برای حذف اثر وابستگی زاویه¬ای ارائه می¬گردد، که در هردو روش هیستوگرام¬های داده¬ها در زاویه تقاطع نزدیک به نادیر به هیستوگرام داده¬ها در یک زاویه فرودی کوچک (داده¬های مرجع) منطبق می¬شوند. سپس با داشتن این داده¬ها که تصحیحات لازم بر روی آنها انجام شده¬است، الگوریتم نوینی برای کلاسه¬بندی رسوبات بستر ارائه می¬دهیم که هدف اصلی آن تشکیل موزاییک تصویری از آنهاست. در واقع پس از تصحیح داده¬ها با انتخاب روش درونیابی مناسب به آنها ساختار منظم داده و تصویر رسوبات بستر آب تهیه خواهد شد. در ادامه با استفاده از روش¬های پردازش تصویری لازم، کیفیت تصاویر را بهبود می¬بخشیم زیرا در تصاویر با وضوح بیشتر شناسایی نوع رسوبات دقیق¬تر خواهد بود. در این الگوریتم با توجه به نوع رفتار رسوبات در تصاویر بدست¬آمده، برای کلاسه¬بندی نیازمند قطعه¬بندی تصویر می¬باشیم. در انتها با کمک اندازه دانهبندی متوسط نمونههای زمینی، به هر قطعه نوع ویژه¬ای از رسوب بعنوان یک کلاس خاص، اختصاص می¬دهیم. الگوریتم مورد نظر بر روی داده¬های اکوساندر چند¬پرتویی حاصل از رودخانه وال هلند پیاده¬سازی شده¬است. دقت قطعهبندی تصاویر تهیه شده با یک روش خاص، با استفاده از محاسبه¬ی ضریب همبستگی با مقادیر واقعی، در حدود 65% می¬باشد. با بررسی نتایج تصویری می¬توان بیان کرد که این الگوریتم نسبت به روش¬های پیشین کلاسه¬بندی دادههای اکوساندر چند¬پرتویی، بهبود کیفی و بصری در تأمین هدف موردنظر داشته¬است. کلمات کلیدی: اکوساندر چند¬پرتویی ((MBES، شدت موج برگشتی (BS)، پردازش تصویر، درونیابی، قطعه¬بندی، تبدیل آبخیز.
چکیده انگلیسی :
Abstarct At present, applying the acoustic approaches and equipments has been increasingly used for gathering information from seabed. 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 independent of the angle. In this paper, two statistical methods based on the histogram matching are compared for removing the angular dependence. These methods will register the BS data of large grazing angles (close to nadir) to the reference low grazing angle. Then, we present a new algorithm for classification that the main target is image mosaics formation using MBES data. After correcting the data, they are gridded, while an appropriate interpolation has been selected and the image mosaics generated. The image processing techniques would be applied to enhance the quality of images, because recognition of sediment type is more accurate in the clear images. Indeed, in this way, the image segmentation is needed instead of classification through sediment behavior. Finally we assign a particular sediment type to each segment called ''labelling" by mean grain size of sediment grab sampling. The approach will be implemented on a MBES data set of the Waal river, the Netherlands. The correlation between the true data and image segmentation is about 65% using the specific segmentation. The results show that the algorithm improve classification representation of the MBES data than traditional ones. KeyWords: Multi Beam Echo Sounder (MBES), Backscatter Strength (BS), Image Processing, Interpolation, Segmentation, Watershed Transformation.
کلید واژه ها :
پردازش تصویر ◄ اکوساندر چند پرتویی ◄ رده بندی ◄ رسوب ◄ موزاییک تصویر ◄ شدت موج برگشتی ◄ سونار ◄ قطعه بندی,Image Processing ◄ Multi Beam Echo Sounder ◄ Classification ◄ Sediment ◄ Image Mosaic ◄ Backscatter Strength ◄ Sonar ◄ Segmentation
1390
0
صفحه اول :
University of Isfahan Faculty of Engineering Department of Surveying Engineering M.Sc.Thesis Improvement of Seafloor Sediments Classification based on Image Mosaics Formation of Sonar Backscatter Data and the Image Processing Techniques Supervisor: Dr. Ali Reza Amiri simkooei Advisor: Dr. Mehdi Momeni shahraki By: Samaneh Lesani gooya December 2011
فصل اول :
1-11
فصل دوم :
12-35
فصل سوم :
36-51
فصل چهارم :
52-77
فصل پنجم :
78-86
فصل ششم :
87-133
134-155