فایل ورد کامل N-FINDR: الگوریتمی برای تعیین سریع عضو نهایی طیفی مستقل در داده¬های ابرطیفی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل N-FINDR: الگوریتمی برای تعیین سریع عضو نهایی طیفی مستقل در داده¬های ابرطیفی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۴ صفحه

تحلیل مجموعه داده های ابرطیفی به تعیین طیف پایه ی معینی تحت عنوان اعضای نهایی نیاز دارد. پس از آنکه این طیف را یافتیم، مکعب تصویر را می توان در فراوانی کسری هر ماده در هر پیکسل خالص سازی کرد. چندین روش برای انجام روند تعیین اعضای نهایی وجود دارد که اکثر آنها به دخالت یک زمین شناس مجرب نیاز دارند. اغلب فرض می شود این اعضای نهایی در تصویر به شکل پیکسل های خالص یا خالص سازی شده وجود داشته باشند. در این مقاله، روشی مبتنی بر هندسه ی مجموعه های محدب برای یافتن مجموعه ی یکتایی از خالص ترین پیکسل ها در یک تصویر، پیشنهاد می شود. این روش بر این واقعیت تکیه دارد که در N بُعد طیفی، حجم N دربردارنده ی سیمپلکس های تشکیل شده از خالص ترین پیکسل ها از هر حجم دیگری که از هر ترکیبی از پیکسل ها تشکیل شده، بزرگتر است. این الگوریتم با متورم سازی یک سیمپلکس درون داده ها کار می کند، و کار خود را با مجموعه ای تصادفی از پیکسل ها آغاز می کند. برای هر عضو نهایی و هر پیکسل، عضو نهایی با طیف پیکسل جایگزین شده و حجم مجدداً محاسبه می شود. چنانچه حجم افزایش یافته باشد، طیف پیکسل جدید جایگزین آن عضو نهایی می شود. این روش تا زمانیکه هیچ جایگزینی دیگری انجام نشود، ادامه می یابد. این الگوریتم با موفقیت اعضای نهایی موجود در مجموعه داده های ساختگی را استنباط نمود و ظاهراً عملکرد آن در داده های با کیفیت کمتر از حد اعلا، نظام مند است. اعضای نهایی طیفی برای مجموعه داده های AVIRIS Cuprite که انطباق بسیار خوبی با طیف مرجع دارند، استخراج شدند، و نقشه های فراوانی حاصله با نقشه های معدنی انتشاریافته همخوانی دارند.

عنوان انگلیسی:

N-FINDR: an algorithm for fast autonomous spectral end-member determination in hyperspectral data,

~~en~~ writers :

Michael E. Winter

The analysis of hyperspectral data sets requires the determination of certain basis spectra called “end-members”. Once these
spectra are found, the image cube can be “unmixed” into the fractional abundance of each material in each pixel. There exist
several techniques for accomplishing the determination of the end-members, most of which involve the intervention of a
trained geologist. Often these end-members are assumed to be present in the image, in the form of pure, or unmixed, pixels.
In this paper a method based upon the geometry of convex sets is proposed to find a unique set of purest pixels in an image.
The technique is based on the fact that in N spectral dimensions, the N-volume contained by a simplex formed of the purest
pixels is larger than any other volume formed from any other combination of pixels. The algorithm works by “inflating” a
simplex inside the data, beginning with a random set of pixels. For each pixel and each end-member, the end-member is
replaced with the spectrum of the pixel and the volume is recalculated. If it increases, the spectrum of the new pixel replaces
that end-member. This procedure is repeated until no more replacements are done. This algorithm successfully derives endmembers
in a synthetic data set, and appears robust with less than perfect data. Spectral end-members have been extracted
for the AVIRIS Cuprite data set which closely match reference spectra, and resulting abundance maps match published
mineral maps.

$$en!!