Une étude sur la détection des changements dans les images hyperspectrales
Versandkostenfrei!
Versandfertig in 6-10 Tagen
26,99 €
inkl. MwSt.
PAYBACK Punkte
13 °P sammeln!
La détection des changements est la procédure permettant d'obtenir les changements entre deux images hyperspectrales de la même zone topographique prises à deux moments différents. Elle transmet les données de changement essentielles et importantes d'une scène. Grâce à une percée dans la télédétection hyperspectrale, les capteurs hyperspectraux peuvent produire des images à résolution spectrale étroite. Ces images hyperspectrales à haute résolution spectrale et spatiale peuvent détecter de petites variations dans les images. Ce travail décrit un algorithme efficace pour dé...
La détection des changements est la procédure permettant d'obtenir les changements entre deux images hyperspectrales de la même zone topographique prises à deux moments différents. Elle transmet les données de changement essentielles et importantes d'une scène. Grâce à une percée dans la télédétection hyperspectrale, les capteurs hyperspectraux peuvent produire des images à résolution spectrale étroite. Ces images hyperspectrales à haute résolution spectrale et spatiale peuvent détecter de petites variations dans les images. Ce travail décrit un algorithme efficace pour détecter les changements dans les images hyperspectrales en utilisant les signatures spectrales des images hyperspectrales. L'objectif est de développer un algorithme efficace qui peut montrer même de petites variations dans les images hyperspectrales. Il examine la méthode hiérarchique pour trouver les changements dans les images hyperspectrales en comparant l'homogénéité spectrale entre les vecteurs de changement spectral. Pour tout paysage, la localisation et l'exploration des ajustements fournissent des données précieuses sur les changements réalisables. Les détecteurs hyperspectraux par satellite sont efficaces lorsqu'ils recueillent des données avec de larges anneaux spectraux.
Andere Kunden interessierten sich für
