دانشگاه آزاد اسلامی واحد تهران جنوب

صفحه اصلی / دومین کنفرانس ملی فناوری های نوین در انرژی و مواد

بهبود کیفیت و روشنایی تصاویر با استفاده از شبکه های عصبی عمیق در پردازش داده های سنجش از دور برای اکتشاف مواد معدنی

نویسندگان :

علی شعبانی بدیع¹ کامبیز رهبر² ضیاء الدین بهشتی فرد³ مریم خادمی⁴

1- دانشجوی دانشگاه آزاد اسلامی واحد تهران جنوب 2- دانشگاه آزاد اسلامی واحد تهران جنوب 3- دانشگاه آزاد اسلامی واحد تهران جنوب 4- دانشگاه آزاد اسلامی واحد تهران جنوب

کلمات کلیدی :

بهبود تصویر،اصلاح روشنایی تصویر،شبکه عصبی عمیق،سنجش از دور،اکتشاف مواد معدنی

چکیده :

افزایش تقاضا برای مواد معدنی مختلف در سالهای اخیر، زمینشناسان اکتشافی را بر آن داشته است تا به دنبال روشهای کارآمدتر و نوآورانهتر برای پردازش انواع دادههای مختلف در هر مرحله از اکتشاف معدنی باشند. به عنوان یک گام اولیه، ویژگیهای مختلف، مانند واحدهای سنگشناسی، انواع دگرسانی، ساختارها و کانیهای شاخص، برای کمک به تصمیمگیری در مورد هدف قرار دادن ذخایر معدنی ترسیم میشوند. انواع مختلف مجموعه داده های سنجش از دور، مانند داده های ماهواره ای و هوابرد، غلبه بر مشکلات رایج مرتبط با نقشه برداری ویژگی های زمین شناسی را ممکن می سازد. افزایش سریع حجم دادههای سنجش از راه دور بهدستآمده از پلتفرمهای مختلف، دانشمندان را تشویق به توسعه روشهای پیشرفته، نوآورانه و قوی پردازش دادهها کرده است. روشهای یادگیری ماشینی میتوانند به پردازش طیف گستردهای از مجموعه دادههای سنجش از راه دور و بهبود کیفیت تصاویر کمک کنند. این روش ها در پردازش اندازه گیری های طیفی و زمینی در برابر نویز و عدم قطعیت ها قوی هستند. این مقاله بررسی جامعی از پیادهسازی و انطباق برخی از روشهای یادگیری ماشینی محبوب و اخیراً تأسیسشده برای پردازش انواع مختلف دادههای سنجش از راه دور ارائه میکند و کاربردهای آنها را برای شناسایی انواع ذخایر سنگ معدنی بررسی میکند. ما توانایی بالای ترکیب دادههای سنجش از دور و روشهای یادگیری ماشین را برای نقشهبرداری ویژگیهای مختلف زمینشناسی که برای تهیه نقشههای بالقوه حیاتی هستند، نشان میدهیم. راستی آزمایی روش های بهبود کیفیت تصویر با بهره گیری از معیارهای PSNR, SSIM, PIQE, NIQE, NIMA, BRISQUE رتبه بندی شده