<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Geomatics Science and Technology</title>
<title_fa>علوم و فنون نقشه برداری</title_fa>
<short_title>JGST</short_title>
<subject>Engineering &amp; Technology</subject>
<web_url>http://jgst.issgeac.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>2322-102X</journal_id_issn>
<journal_id_issn_online></journal_id_issn_online>
<journal_id_pii>-</journal_id_pii>
<journal_id_doi>10.61882/jgst</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid>-</journal_id_sid>
<journal_id_nlai>-</journal_id_nlai>
<journal_id_science>-</journal_id_science>
<language>en</language>
<pubdate>
	<type>jalali</type>
	<year>1392</year>
	<month>11</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2014</year>
	<month>2</month>
	<day>1</day>
</pubdate>
<volume>3</volume>
<number>3</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>استفاده از ادغام پیکسلها در بازسازی اطلاعات پیکسلهای مخلوط</title_fa>
	<title>Application of Merging Pixels in Restoring Mixed Pixels Data</title>
	<subject_fa>فتوگرامتری و سنجش از دور</subject_fa>
	<subject>Photo&amp;RS</subject>
	<content_type_fa>پژوهشي</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;div align=&quot;right&quot;&gt;
طبقه‌بندی پیکسلهای مخلوط یکی از مشکلات مهم در تجزیه و تحلیل اطلاعات سنجش از دور است، که بدلیل کوچکتر بودن ابعاد پیکسلهای خالص از دقت مکانی سنجنده‌ها با توجه به محدودیتهای فن‌آوری یا هزینه‌ها ایجاد می‌شود. الگوریتمهای مختلفی برای تفکیک پیکسلهای خالص در یک پیکسل مخلوط با معیارحداکثر صحت پیشنهاد شده است. در این بررسیها مسائل زیرپیکسلها در تصاویر بدو دسته تقسیم شده است: 1) تعیین درصد کلاس های خالص تشکیل‌دهنده یک پیکسل 2) تعیین محل آنها.  در این مقاله پس از بررسی الگوریتمهای متداول در این زمینه و مشکلات پیشرو، الگوریتم جدیدی برای افزایش دقت مکانی تصاویرپیشنهاد خواهد شد، که سعی در برطرف کردن نقاط ضعف الگوریتمهای موجود دارد. در این الگوریتم یک جدول جستجوی مناسب با ادغام پیکسلهای اطلاعات ورودی ایجاد می‌شود. با تعریف یک معیار مناسب برای شباهت پیکسلها، برای هر پیکسل ورودی یک پیکسل مشابه در جدول جستجو پیدا می‌کنیم و نشان خواهیم داد این پیکسلهای مشابه از ساختار زیرپیکسلی یکسانی تشکیل شده‌اند. در این جستجو، از اطلاعات دامنه پیکسلها برای محاسبه نسبت زیرپیکسلها و از اطلاعات بافت پیکسلهای مجاور برای مکانیابی زیرپیکسلهای درون یک پیکسل مخلوط استفاده می‌شود.  در انتها الگوریتم پیشنهادی بر روی داده‌های واقعی جهت افزایش دقت مکانی و طبقه‌بندی اطلاعات پیاده‌سازی شده و نتایج با طبقه‌بندی سخت مقایسه و ارائه شده است. نتایج شبیه‌سازیها حداقل 15% بهبود ضرایب طبقه‌بندی در بازسازی پیکسلهای مخلوط نسبت به طبقه‌بندی سخت را نشان می‌دهند.
&lt;/div&gt;</abstract_fa>
	<abstract>Mixed pixels are one of the main problems in the remote sensing data classification. There are various reasons including limitations of sensor spatial resolution or costs of data acquisition that may cause the image accuracy to be less than desired quality.  A similar problem may be in comparing different spatial resolution images of one scene.  Increasing the spatial resolution in such cases is necessary. Different methods have been proposed to increase the spatial resolution with maximum accuracy. These studies considered proportion of subpixels and locating their positions. These methods and their problems will be examined in this study. Conventional methods are reviewed. And a new method for increasing the spatial resolution will be proposed to resolve some of the weaknesses of existing methods. This new algorithm is proposed for restoring subpixels in the hyper spectral images. This algorithm is based on mixture of pixels for creating a proper search table for restoring subpixels. The spatial and pattern properties of neighboring pixels are considered in this search. There is no need to use soft classification information. Testing algorithm on real data will show its performance and capability in remote sensing applications. Simulation results on real data show that proposed method can increase percentage of correction classification at least 15% relative to hard classification.
</abstract>
	<keyword_fa>افزایش دقت مکانی, پیکسلهای مخلوط</keyword_fa>
	<keyword>spatial resolution, change the image scale, the pursuit search</keyword>
	<start_page>55</start_page>
	<end_page>64</end_page>
	<web_url>http://jgst.issgeac.ir/browse.php?a_code=A-10-25-13&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name></first_name>
	<middle_name></middle_name>
	<last_name> H. Ghassemian</last_name>
	<suffix></suffix>
	<first_name_fa>حسن </first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>قاسمیان</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>ghassemi@modares.ac.ir</email>
	<code>10031947532846001775</code>
	<orcid>10031947532846001775</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>گروه مخابرات - دانشکده مهندسی برق و کامپیوتر- دانشگاه تربیت مدرس</affiliation_fa>
	 </author>


	<author>
	<first_name></first_name>
	<middle_name></middle_name>
	<last_name>M. Zeinali</last_name>
	<suffix></suffix>
	<first_name_fa>منصور </first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>زینلی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>mansoorzinali@yahoo.com</email>
	<code>10031947532846001776</code>
	<orcid>10031947532846001776</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>گروه مخابرات دانشگاه آزاد اسلامی- واحد علوم و تحقیقات تهران</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
