fa یک روش جدید افزایش دقت مکانی تصاویر سنجش از دور با استفاده از جدول جستجو مقالات پردازش تصویر Paper پژوهشي Research <p dir="RTL"><strong>تحقیقات مختلفی برای افزایش دقت مکانی تصاویر با هدف تجزیه پیکسل&shy;های مخلوط در سنجش از دور انجام شده است. این روش&shy;ها و مشکلات پیش&shy;رو در این تحقیق بررسی خواهند شد. در ادامه مبحث جدیدی برای افزایش دقت مکانی تصاویر پیشنهاد خواهد شد. در این روش یک تصویر با دقت مکانی کمتر</strong><strong>،</strong><strong> از تصویر ورودی استخراج می&shy;شود که همانند یک جدول جستجو عمل می&shy;کند. با تعریف یک معیار برای شباهت بهینه پیکسل&shy;ها در دو تصویر</strong><strong>،</strong><strong> برای هر پیکسل از تصویر ورودی یک پیکسل مشابه در جدول جستجو می&shy;یابیم. نشان خواهیم داد که پیکسل&shy;های مشابه در دو تصویر</strong><strong>،</strong><strong> دارای یک ساختار مشابه از زیرپیکسل&shy;های تشکیل&shy;دهنده آن پیکسل می&shy;باشند. با استفاده از این روش هر پیکسل مخلوط به تعدادی زیرپیکسل که اغلب خالص هستند</strong><strong>،</strong><strong> تجزیه خواهد شد. شبیه&shy;سازی&shy;های انجام شده بر روی اطلاعات ساختگی و واقعی نشان&shy;دهنده بهبود شاخصهای طبقه&shy;بندی توسط روش پیشنهادی و تجزیه بهتر پیکسل&shy;های مخلوط</strong><strong>،</strong><strong> نسبت به روش&shy;های قابل مقایسه است.</strong></p> <p><strong>Different methods have been proposed to increase the image spatial resolution by mixed pixels decomposition. These methods can be divided into two groups. Some research have been attempted to obtain percentages of sub pixels and the other try to obtain their locations. These methods and their problems will be examined in this study. Common methods are reviewed with more emphasis. Finally, a new method for increasing the spatial resolution will be proposed to resolve some deficiencies</strong><strong> of existing methods. Especially this method, instantly takes</strong><strong> percentages and locations of mixed pixels end members without no use of additional information.</strong> <strong>This method applies</strong><strong> a proper lookup table, which is derived from an input</strong><strong> image. By defining</strong><strong> a similarity metric function, we obtain a similar pixel for every input pixel. These similar pixels have equal sub pixel structures; hence, an input pixel will be decomposed to a proper set of sub pixels. In the high quality images, these sub pixels usually, belong to pure classes. This proposed</strong><strong> method is examined on four sets of artificial and real data. First we degrade these data sets by averaging filtering, and then we restore degraded data, using this method and two other methods. One of these methods is a hard classification and the other is a combination of fuzzy c-means and direct method to obtain percentages and locations of sub pixels respectively. We obtain percent of correction classification and KAPPA criterions for these methods. Simulation results on artificial, real data show a good sub</strong> <strong>pixels decomposition performance of proposed method relative to those of other comparable methods.</strong> <strong>By particular, this method shows at least 7% of improvement in artificial and 2% in real data relative to other methods.</strong><br> &nbsp;</p> افزایش دقت مکانی, زیرپیکسل, جدول جستجو, تجزیه پیکسلهای مخلوط spatial resolution, change the image scale, lookup table, subpixel decomposition 19 28 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-296-2&slc_lang=fa&sid=1 mansoor zeinali منصور زینلی mansoor.zeinali@gmail.com 10031947532846004951 10031947532846004951 No iaun دانشگاه اراد اسلامی واحد نجف اباد hassan ghasemian محمد حسن قاسمیان ghasemi@modares.ac.ir 10031947532846004952 10031947532846004952 Yes tmu دانشگاه تربیت مدرس