1403/08/23
روح اله یوسف پور

روح اله یوسف پور

مرتبه علمی: دانشیار
ارکید:
تحصیلات: دکترای تخصصی
اسکاپوس:
دانشکده: دانشکده علوم ریاضی
نشانی:
تلفن: 09113147287

مشخصات پژوهش

عنوان
استفاده از یادگیری عمیق در سنجش از دور برای تبدیل تصاویر وضوح پایین به تصاویر وضوح بالا
نوع پژوهش
پایان نامه
کلیدواژه‌ها
وضوح فوقالعاده چند تصویری ، مبدل، مدل ترکیبی
سال 1402
پژوهشگران مسلم خیرخواه پاریزی(دانشجو)، رضا ندیمی(استاد مشاور)، روح اله یوسف پور(استاد راهنما)

چکیده

وضوح فوقالعاده چند تصویری ، به عنوان یکی از امیدوارکننده ترین جهت گیری ها در سنجش از دور، به یک تکنیک ضروری در بازار ماهواره تبدیل شده است. دنباله ای از تصاوی ر جمع آوری ش ده توسط ماهواره ها اغلب دارای نماهای فراوان و بازه زمانی طولنی است، بنابراین ادغام چندین نما با وضوح پایین در یک تصویر با وضوح بال با جزئیات به عنوان یک مشکل چالش برانگیز ظاهر می شود. با این حال، اکثر روش های وضوح فوقالعاده چند تصویر ی مبتنی بر یادگیری عمیق نمی توانند از چندین تصویر استفاده کامل کنند. مدل ترکیب این روش ها قادر به تطبیق با یک توالی تصویر با همبستگی ها ی زمانی ضعیف نیستند. برای مقابله با این مشکالت، یک چارچوب جدی د به نام MISR-TR را پیشنهاد می شود. این مدل از سه بخش، رمزگذار مبتنی بر بلوک های باقی مانده، مبدل مبتنی بر مدل ترکیبی و یک رمزگشا مبتنی بر زیرپیکسل پیچشی تشکیل شده است. به طور خاص ، با چیدمان مجدد نقشهها ی ویژگی متعدد در بردارها، مدل ترکیبی می تواند توجه پویا را به همان ناحیه از تصاویر ماهواره ای مختلف به طور همزمان اختصاص دهد. عالوه بر این، MISR-TR یک بردار تعبیه شده اضافی را به کار می گیرد که این بردارها بیشترین میزان جزئی ات را برمی گردانند. MISR-TR ب رای اولین بار وظایف مبدل را در وضوح فوقالعاده چند تصویر ی را با موفقیت اعمال کرده است، مبدل با نادی ده گرفتن روابط فضایی قسمت های مختلف تصویر دشواری آموزش را کاهش م ی دهد. آزمایش ها ی گسترده ای که بر روی مجموعه داده ها ی کلوین انجام شد، برتری مدل پیشنهادی را نشان می دهد که یک روش مؤثر برای مبدل ها در سای ر وظای ف بینایی سطح پایین ارائه میکند.