• ورود کاربران دانشگاهی

  • ثبت نام(مطالعه آنلاین پایان نامه ها)

  • کاربر مهمان
    چهار شنبه 29 شهریور 1396| 54.162.181.75 :Your IP

    سامانه دسترسی به پایان نامه های دانشگاه اصفهان



    عنوان :
    ارزیابی الگوریتم ژنتیک در آشکارسازی تغییرات مناطق جنگلی به کمک تصاویر رادار با گشودگی ترکیبی (SAR)
    انتشارات : دانشگاه اصفهان
    سال :1390
    زبان : Persian
    شماره سند : 9080
    موضوع :مهندسی عمران- سنجش از دور
    پژوهشگر : بهشید خدایی
    توصیفگر لاتین : Genetic algorithm ? Optimization ? change detection ? Synthetic aperture radar (SAR( ? Markov vandom field
    توصیفگر فارسی : الگوریتم ژنتیک ◄ بهینه سازی ◄ آشکارسازی تغییرات ◄ رادار دریچه ای ساختگی ◄ میدان تصادفی مارکف
    دانشکده : دانشکده فنی و مهندسی، گروه مهندسی نقشه برداری
    مقطع : کارشناسی ارشد

    استاد راهنما : مهدی مومنی، جلال امینی
    استاد مشاور :
    سال دفاع : 1390
    شماره رکورد : 9080
    شماره راهنما : CIV2 13
    فهرست : فهرست مطالب
    عنوان صفحه

    فصل اول: مقدمه
    1-1ضرورت تحقیق 1
    1-2 اهداف پایاننامه 2
    1-3 بیان مسئله 3
    1-4 مرور بر تحقیقات پیشین 5
    1-5 روش تحقیق 16
    1-6 ساختار پایان نامه 18

    فصل دوم: مبانی نظری
    2-1 الگوریتم ژنتیک 20
    2-2 استفاده از اطلاعات بافتی تصویر به منظور آشکارسازی تغییرات 24
    2-2-1 میدان های تصادفی مارکف 27
    2-2-2 روش بیزین 31

    فصل سوم: روش های پیشنهادی در آشکار سازی تغییرات
    3-1 آشکارسازی تغییرات به کمک بهینه سازی تکاملی 33
    3-2 اصلاح الگوریتم آشکارسازی به منظور کاهش اثرات نویز لکهای 39
    3-2-1 معرفی فیلترهای مورداستفاده 40
    3-2-2 تغییر تابع هزینه مورد استفاده در الگوریتم ژنتیک 47
    3-3 استفاده از اطلاعات بافتی موجود در تصاویر 49
    3-3-1 ارائه روشی بر مبنای تلفیق الگوریتم بهینه سازی ژنتیک و مدلهای میدان تصادفی مارکف 54
    3-3-2 الگوریتم ژنتیک در به روزرسانی پارامترهای موردنیاز مدل گیبس 55
    3-3-3 توابع هزینه با تمرکز روی وابستگی های آماری بین پیکسل های همسایه 56
    3-4 ارائه روشی مبتنی بر تبدیل موجک و الگوریتم ژنتیک برای آشکارسازی تغییرات 62


    عنوان صفحه
    فصل چهارم: آزمون های انجام شده و تحلیل نتایج
    4-1 تصاویر مورد استفاده 67
    4-2 ارزیابی دقت 69
    4-3 آشکارسازی تغییرات به کمک الگوریتم ژنتیک با استفاده از پنجره متحرک 72
    4-4 توابع کاهش نویز در الگوریتم ژنتیک 79
    4-5 آشکارسازی تغییرات به کمک روش های مبتنی بر مدل میدان تصادفی مارکف 85
    4-6 آشکارسازی تغییرات به کمک یک مدل پیشنهادی مقیاس مبنا با تکیه بر الگوریتم ژنتیک 96

    فصل پنجم: نتیجه گیری و پیشنهادات
    5-1 نتیجه گیری 100
    5-2 پیشنهادات 105
    مراجع 103
    • پیوست الف-الگوریتم شبیه سازی تبرید تدریجی 113
    • پیوست ب-الگوریتم نمونه برداری متروپولیس 117



    چکیده :
    چکیده در این پایان¬نامه قصد داریم با اتکا بر برخی الگوریتم-های بهینه¬سازی موجود، به بررسی و بهبود روش¬های آشکارسازی تغییرات بر روی تصاویر ماهواره¬ای حاصل از سنجنده¬های رادار با روزنه ترکیبی بپردازیم. در این تحقیق سعی داریم مشکلاتی از قبیل آلودگی¬های نویزی موجود در این تصاویر، زمان و دیگر هزینه¬های اجرایی راتا حد امکان مدیریت و تعدیل نماییم. یکی از مشکلاتی که در ارتباط با کاربرد تصاویر SAR پیش¬روی کاربر است، وجود یک الگوی ذاتی مخرب موسوم به نویز لکه¬ای است. این نویز که در واقع ناشی از خواص بازتابی سیگنال¬های رادار در برخورد با سطح می¬باشد، در بسیاری از کاربردهای پردازش تصویری به کمک تصاویر رادار، مشکل¬ساز است. آشکارسازی تغییرات تصاویر غیرهمزمان به منظور بررسی و مدیریت تغییرات در سطح یک منطقه جغرافیایی مشخص، از جمله کاربردهایی است که به شدت متاثر از نویز موجود در تصاویر موردبررسی است. در تحقیق حاضر سعی شده با بررسی برخی از تکنیک¬های پیکسل-مبنا و مدلسازی¬های آماری، روش¬هایی به منظور غلبه بر مشکل نویز لکه¬ای و افزایش دقت فرایند آشکارسازی پیشنهاد شود. الگوریتم ژنتیک، به عنوان یکی از روش¬های بهینه¬سازی مبتنی بر مفاهیم تکاملی، در بسیاری از کاربردهای پردازش تصویر مطرح می¬شود. در این کار، با توجه به قابلیت¬های الگوریتم ژنتیک در جستجوی پاسخ بهینه بدون نیاز به حدس اولیه و سرعت بالا، آن را به عنوان یک روش مناسب برای حل مسئله آشکارسازی مورد استفاده قرار می¬دهیم. حجم بالای تصاویر مورد بررسی و محاسبات پرهزینه¬ و زمانبر، انگیزه استفاده از روش بخش¬بندی تصاویر به کمک پنجره متحرک با ابعاد مناسب را ایجاد نمود. استفاده از زیرتصاویر با ابعاد کوچک، اگرچه منجر به کاهش زمان همگرایی به پاسخ بهینه و حجم محاسبات می¬شود، ولی از سوی دیگر به علت حساسیت روش به ویژگی¬های آماری ناحیه مورد بررسی، موجب افزایش تاثیرپذیری از آلودگی¬های نویزی می¬شود. برای مدیریت این مشکل، استفاده از توابع کاهش نویز استاندارد، به صورت فرایندهای پیش¬پردازشی و همچنین در ترکیب با تابع هزینه مورد استفاده الگوریتم ژنتیک، پیشنهاد شد. بدین¬ترتیب دقت اجرای الگوریتم برای زوج تصاویر شبیه-سازی شده و آلوده به نویز لکه¬ای با واریانس 01/0 و کمتر، تا مقدار 8 درصد نسبت به کل پیکسل¬های تصویر، بهبود می¬یابد. با افزایش میزان آلودگی¬های نویزی تصویر، این دقت کاهش پیدا می¬کند. در این بخش از کار، ایده استفاده از وابستگی¬های آماری بین پیکسل¬های تصویر مطرح شد. در راستای تامین این هدف، به¬سوی استفاده از مدل¬های آماری مناسب جهت توصیف ویژگی-های تصویر، سوق پیدا کردیم. مدلسازی به کمک میدان¬های تصادفی مارکف و با اتکا بر روابط همسایگی بین پیکسل¬ها، راهکار مناسبی جهت غلبه بر اثرات نویزی تصاویر ارزیابی شد. تغییرات توابع هزینه مورد استفاده، متناسب با طبیعت مسئله آشکارسازی نیز منجر به بهبود روند مسئله آشکارسازی شد. بدین¬ترتیب توانستیم با ارائه روشی آماری مبتنی بر میدان¬های تصادفی مارکف ، دقت فرایند آشکارسازی تغییرات را برای تصاویر با آلودگی¬های شدید نویزی تا واریانس 1/0، به مقدار 97 درصد کل پیکسل¬های تصویر برسانیم. مدت زمان کم برای همگرایی الگوریتم به پاسخ بهینه و مطلوب، دیگر مزیت روش پیشنهادی بر مبنای مدل MRF محسوب می¬شود. واژگان کلیدی: آشکارسازی تغییرات، تصاویر رادار با روزنه ترکیبی، بهینه¬سازی، الگوریتم ژنتیک، مدل میدان¬های تصادفی مارکف.

    چکیده انگلیسی :
    Abstract In this thesis we survey and modify some change detection methods in Synthetic Aperture Radar (SAR) images. SAR images are very useful data for remote sensing applications. It is because of their resistance against unstable atmospheric conditions that makes them applicable for disaster management. Moreover, all weather and day-night imaging capability is the other advantage of the SAR sensors. But existence of destructive interference called speckle noise, makes some inconveniences in application of SAR images. The nature of this destructive pattern is referred to radar reflectivity properties from the surface. Many of change detection methods, manage this contamination to reduce its effects on detection procedure. In this work we first introduce a pixel-based change detection algorithm based on genetic optimization to produce a binary change image as a final change map using difference image analysis. This technique has good ability in detecting changed pixels without needing to primary assumptions or additional statistical modeling or parameter tuning. To time management and reduction of high computational load due to large size images, we use a small moving window to select sub image as input of algorithm. However, the change map corresponding to this selected sub image is presented by genetic optimization. But this method is aspect dependent and it means that has not good resistance against noise contamination. In the other words, for the homogeneous noisy area without any significant changed objects, the noisy pixels are detected as true changes. It motivated us to use some noise reduction methods to improve change detection production. Utilizing standard filter functions such as Lee filter, Kuan Filter and Gamma one, as preprocessing of change detection method is one of the proposed methods for mentioned purpose. Moreover said composing filtering functions with Mean Squared Error-based cost function has been used with Genetic based algorithm in the first step, is another proposed method that simultaneously implements optimization and detection to preserve details of primary images. Stated methods detect changed pixels with accuracy about 90 percent of all pixels in the image. Likewise speckle has significant impress on resulted change map and this is undesired effect. For above introduced techniques, we have used information of individual pixels and disregarded inter-correlation of neighbor pixels in the image. In the next part of our work, we have focused on using textural information to overcome noise contamination and improve detection performance. For modeling of inter-pixel correlation, the statistical model named Markov Random Field has been used. Implementing change detection procedure under this powerful model, improves the accuracy of resulted change map about 7 percent in simulated noisy images and in a worse situation of noise pollution. Keywords: Change Detection, Synthetic Aperture Radar Images, Optimization, Genetic Algorithm, Markov Random Fields.


    کلید واژه ها :
    الگوریتم ژنتیک ◄ بهینه سازی ◄ آشکارسازی تغییرات ◄ رادار دریچه ای ساختگی ◄ میدان تصادفی مارکف,Genetic algorithm ◄ Optimization ◄ change detection ◄ Synthetic aperture radar (SAR( ◄ Markov vandom field

    1390
    0

    صفحه اول : University of Isfahan Faculty of Engineering Department of Civil-Surveying M.Sc. Thesis Evaluation of Genetic Algorithm in Change Detection of Forest Areas Using SAR Images Supervisors: Dr. Mahdi Momeni Dr. Jalal Amini By: Behshid Khodaei March 2012
    فصل اول : 1-19
    فصل دوم : 20-32
    فصل سوم : 33-66
    فصل چهارم : 67-99
    فصل پنجم : 100-121
    فصل ششم :