لغت نامه ی یادگیری SAR با استفاده از لغت نامه ی علمی چند مقیاسی و بازنمود پراکنده

قیمت: 41,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

لغت نامه ی یادگیری SAR با استفاده از لغت نامه ی علمی چند مقیاسی و بازنمود پراکنده

عنوان لاتین

SAR Image Compression Using Multiscale Dictionary Learning and Sparse Representation

در این مقاله،به طرح جدید فشرده سازی برای تصاویر دامنه ی دریچه ی دیافراگم ترکیبی رادار (SAR) توجه نموده ایم.در دهه ی اخیر گرایش فزاینده به بررسی لغت نامه ی علمی چند مقیاسی و بازنمود پراکنده وجود داشته است که عملکرد خوب در فشرده سازی تصویر طبیعی را به اثبات می رساند.به دلیل وجود تکنیک های خاص تصویر سازی رادار، تصاویر SVR در مقایسه با تصاویر طبیعی که می توانند بر طرح روش فشرده سازی موثر باشند،دارای ویژگی های بسیار متمایزی هستند.در ابتدا به معرفی ویژگی های SVR، بازنمود پراکنده،و تئوری های لغت نامه ی یادگیری می پردازیم. دوم طرح جدید فشرده سازی تصویر SAR با استفاده از لغت نامه ی یادگیری چند مقیاسی را ارائه می نماییم.نتایج تجربی انجام شده بر دامنه ی تصاویر SVR نشان داده که در مقایسه با JPEG,JPEG2000 و فشرده سازی تصویر SAR با استفاده از لغت نامه ی یادگیری تک مقیاسی،روش ارائه شده برای حفظ ویژگی های مهم تصویر SAR با عملکرد فشرده سازی رقابتی بهتر می باشد.

In this letter, we focus on a new compression scheme for synthetic aperture radar (SAR) amplitude images. The last decade has seen a growing interest in the study of dictionary learning and sparse representation, which have been proved to perform well on natural image compression. Because of the special techniques of radar imaging, SAR images have some distinct properties when compared with natural images that can affect the design of a compression method. First, we introduce SAR properties, sparse representation, and dictionary learning theories. Second, we propose a novel SAR image compression scheme by using multiscale dictionaries. The experimental results carried out on amplitude SAR images reveal that, when compared with JPEG, JPEG2000, and a single-scale dictionary-based compression scheme, the proposed method is better for preserving the important features of SAR images with a competitive compression performance