در این مقاله، روشی ترکیبی به منظور تشخیص ساختمان ها، از روی تصاویر ماهواره ای ارائه شده است. این روش بر مبنای ترکیب داده های حاصل شده از بردارهای ویژگی محلی و تصمیم گیری با اعمال آستانه گذاری تطبیقی روی تابع چگالی احتمال تخمین زده شده، انجام گرفته است. ویژگی ها به عنوان مشاهدات و محل ساختمان ها به عنوان متغیر تصادفی توام به منظور تخمین تابع توزیع احتمال در نظر گرفته می شوند. سپس با توجه به مدهای تابع توزیع احتمال و همچنین ویژگی های استخراج شده، مکان ساختمان مشخص می گردد. به منظور ارزیابی کارایی روش معرفی شده، از برخی تصاویر ماهواره ای شمال شهر تهران استفاده شده است. تصاویر مورد آزمایش دارای وضوح و تباین های مختلفی هستند. همچنین، ساختمان ها در این تصاویر مشخصه های متفاوت و مختلفی دارند، بنابراین می توان رویکرد ارائه شده را روی مجموعه اطلاعات واگرا آزمایش شود. نتایج به دست آمده روی 32 تصویر مختلف از شهر تهران، بیانگر این است که روش پیشنهادی می تواند ساختمان های موجود در تصاویر ماهواره ای را با خطای کمتر و دقت بیشتری تشخیص دهد.

آشکارسازی تغییرات به عنوان فرآیندی جهت تشخیص تغییرات پوشش اراضی با استفاده از تصاویر ماهواره ای چندزمانه، یکی از موضوعات کاربردی سنجش ازدور می باشد. هرگونه پیشرفت در این زمینه ضمن افزایش صحت نتایج، می تواند سبب تسهیل و تسریع در تحلیل داده های چندزمانه و کاهش هزینه تولید اطلاعات مکانی شود. در این پژوهش، یک روش نظارت نشده آشکارسازی تغییرات، با بکارگیری شاخص های کیفیت تصویر شامل ضریب همبستگی و اعوجاج طیفی، رادیومتریکی و تباین پیکسل ها در تصاویر چندزمانه پیشنهاد شده است. به منظور محاسبه این شاخص ها، از یک ماسک باینری که تصویر را به دو کلاس تغییریافته و تغییرنیافته تقسیم می کند، استفاده می شود. در این پژوهش، به منظور تولید این ماسک، از حدآستانه گذاری نامتقارن تصویر اختلاف علامت دار استفاده شده و یک الگوریتم تکراری برای یافتن مقادیر بهینه حدآستانه، به منظور تولید ماسک تغییرات بهینه پیشنهاد شده است. نتایج به دست آمده حاکی از افزایش 5 درصدی استفاده از دو حدآستانه نامتقارن در تصویر اختلاف نسبت به استفاده از یک حدآستانه در تصویر قدرمطلق اختلاف می باشد. روش پیشنهادی حساسیت اندکی نسبت به تغییرات رادیومتریکی کلی تصاویرچندزمانه دارد. ‍ از سوی دیگر به دلیل استفاده از روش بهینه سازی حدآستانه، این روش نسبت به استفاده از روش بهینه سازی ماسک های تصادفی دارای هزینه محاسباتی بسیار کمتر خواهد بود. در مقایسه با روش های تعیین حدآستانه اوتسو و فیشر، روش پیشنهادی به ترتیب دارای افزایش دقت 24 و 21 درصدی می باشد.

به دلیل تاثیرات مخرب نویز لکه در دسترسی به اطلاعات موجود در تصاویر رادار، کاهش اثر این نویز همواره مورد توجه محققین بوده است. هدف این تحقیق، مطالعه کاهش نویز تصاویر راداری بر مبنای آستانه گذاری سخت ضرایب تبدیل کرولت است. در این مقاله جهت حذف نویز لکه از الگوریتمی جدید به منظور تخمین حد آستانه استفاده شده است. در تعیین این حد آستانه از ویژگی های آماری ضرایب کرولت مانند میانگین هندسی و حسابی استفاده شده است. در این روش، ابتدا نویز ضربی لکه با استفاده از تبدیل لگاریتمی به نویز افزایشی تبدیل شده و تصویر حاصل به فضای کرولت منتقل می شود. سپس حد آستانه با توجه به اطلاعات آماری ضرایب مشخص شده و این حد آستانه در آستانه گذاری سخت ضرایب کرولت به منظور حذف ضرایب نویزی مورد استفاده قرار می گیرد. در انتها نیز تبدیل معکوس کرولت اعمال و تصویر نویز کاهش یافته حاصل می شود. معیارهای ارزیابی متفاوتی مانند معیار حفظ لبه، تعداد دید معادل، میانگین مربع خطا و غیره برای ارزیابی نتایج محاسبه شدند. در قیاس با روش های کاهش نویز موجود مانند فیلترهای Lee ،Kuan ،Gamma ،Frost و فیلترهای مبتنی بر آستانه گذاری سخت تبدیل موجک نتایج تجربی به دست آمده پیشرفت زیادی را نشان می دهد (شاخص های میانگین مربع خطا، میانگین مربع خطای نرمال شده و میانگین قدر مطلق خطا به ترتیب %32 ،%32 و %5 کاهش یافته اند). افزون بر این الگوریتم مورد بررسی در حفظ لبه ها بسیار توانمند بوده است.

نویز لکه در تصاویر راداری منجر به کاهش کسب اطلاعات از این تصاویر می شود. هدف این مطالعه کاهش نویز لکه تصاویر رادار به وسیله آستانه گذاری نرم ضرایب کرولت با تاکید بر حفظ لبه است. در الگوریتم پیشنهادی ابتدا نویز ضربی لکه با استفاده از تبدیل لگاریتمی به نویز افزایشی تبدیل شده و سپس تصویر حاصل با استفاده از تبدیل کرولت به فضای کرولت منتقل و ضرایب کرولت بر اساس آستانه گذاری نرم و حدآستانه تطبیقی معرفی شده فیلتر می شوند. آستانه گذاری نرم ضرایب کرولت در قیاس با فیلترهای موجود مانند Frost، Gamma و Kuan، فیلترهای مبتنی بر آستانه گذاری نرم تبدیل موجک و آستانه گذاری سخت ضرایب کرولت نتایج تجربی بهتری را نشان داده (شاخص های میانگین مربع خطا، میانگین مربع خطای نرمال شده و میانگین قدرمطلق خطا به ترتیب %27، %27 و %15 کاهش یافته اند، بعلاوه معیار Equivalent Number of Looks (ENL) افزایش یافته و به ترتیب برای تصاویر RADARSAT1 و 27.34 ENVISAT و 3.61 است. نتایج حاکی از آن است که آستانه گذاری نرم ضرایب کرولت افزون بر توان بالا حذف نویز از تصاویر راداری در حفظ لبه و خصوصیات رادیومتریکی نیز بسیار قدرتمند است.

در این مقاله، از آستانه گذاری تطبیقی در روش موجک برای بهبود تصویرهای پرتونگاری صنعتی استفاده شده است. از آن جا که کیفیت تصویرهای پرتونگاری تأثیر زیادی در تشخیص دقیق تر نقص های جوش توسط کارشناس دارد بنابراین می توان با الگوریتم های پردازش تصویر قابلیت تشخیص نقص ها را بهبود بخشید. در این پژوهش از روش دو مرحله ای آستانه گذاری تطبیقی برای آشکارسازی ناحیه های نقص های جوش استفاده شده است. ابتدا تصویر با استفاده از تابع موجک مورد نظر به چند سطح تجزیه و ضرایب زیرنوارهای به دست آمده، توسط تابع آستانه گذاری، تصحیح شده و با اعمال تابع وارون موجک روی آن ها تصویر بازسازی شده به دست آمده است. در روش آستانه گذاری، برخلاف روش های معمول سطح زیر آستانه صفر نمی شود، بلکه با تابع چند جمله ای تضعیف می شود. از مزیت های این روش پیوستگی تابع و مشتق پذیری آن در سطح آستانه است. روش پیشنهادی بر روی چند فیلم پرتونگاری قطعه های استاندارد با نقص های مشخص اجرا شد؛ تصویرهای پردازش شده دارای کیفیت بالاتری نسبت به تصویرهای اولیه از نظر تشخیص نقص ها بودند. نتایج به دست آمده از ارزیابی کارشناسان نشان داد که ناحیه های نقص در تصویرهای پرتونگاری بازسازی شده با روش موجک بر مبنای آستانه گذاری تطبیقی واضح تر از تصاویر اولیه بوده و نقص در آن ها می تواند دقیق تر ارزیابی شود.

در این مقاله، یک روش نظارت نشده برای آشکارسازی تغییرات با استفاده از تصاویر پلاریمتری رادار با روزنه ترکیبی ارائه گردیده است. آماره آزمون ویشارت تصحیح یافته متقارن، به منظور ارزیابی برابری دو ماتریس کواریانس چندمنظر مربوط به دو تصویر پلاریمتری SAR در دو زمان مختلف بکار گرفته شده تا تصویر تک باندی خروجی آن در یک الگوریتم نظارت نشده حد آستانه گذاری قرار گیرد و در نهایت نقشه تغییر/عدم تغییر بدست آید. به طور خاص، الگوریتم حد آستانه گذاری کمینه خطای کیتلر و ایلینگورس، در یک حالت تعمیم یافته استفاده شده تا توزیع غیر گاوسین هیستوگرام های دو کلاس تغییر و عدم تغییر را مدل نماید. نتایج ارزیابی روش ارائه شده روی مجموعه داده های چندزمانه شبیه سازی شده پلاریمتری SAR و همچنین داده های پلاریمتری کامل باند C ماهواره رادارست-2 قابلیت الگوریتم ارائه شده را تایید می کند. نتایج داده های واقعی نشان می دهد که با داشتن اطلاعات هر چه بیشتر از باندهای پلاریزاسیون مقادیر دقت آشکارسازی و نرخ خطای کلی الگوریتم بهبود می یابد.