ارائه روشی کارا جهت تصحیح جوی و بررسی تاثیر آن در برآورد آلبیدو سطحی بااستفاده از تصاویر سنجنده oli

تصحیح های جوی، یکی از مهم ترین مراحل پیش پردازش تصاویر ماهواره ای محسوب می‌شوند که انجام آن‌ها از سوی کارشناسان این حوزه همواره به دلیل فقدان اطلاعات مکانی دقیق و پیچیدگی های محاسباتی، نادیده گرفته شده است. در این پژوهش، ابتدا یکی از جدیدترین و دقیق ترین روش های تصحیح جوی، برای نخستین بار برروی تصاویر سنجنده oli در یک منطقه گرم و خشک پیاده سازی شد. سپس نتیجه‌های حاصل از آن در دو مرحله و در کاربری های مختلف ارزیابی شد. روش استفاده شده دارای دو ویژگی اساسی شامل الف)عدم نیاز به داده های اندازه گیری مکانی پیچیده و ب) اجرای ساده است. در مرحله اول مقادیر بازتابندگی تصاویر سنجنده oli تصحیح و با محصول تابع توزیع بازتابندگی دو جهتی (brdf) سنجنده مادیس (macd43a4) مقایسه گردید. نتایج، همبستگی بالا (بین 0.95 تا 0.97) و خطای قابل قبول (در حدود 9.5 درصد) روش تصحیح جوی مدنظر این تحقیق را نشان داد؛ به نحوی که با اعمال روش تصحیح جوی، میزان خطا در تمامی باندها حدوداً 24.6 درصد کاهش یافت. در مرحله دوم تاثیر تصحیح حاصل بر مقدار آلبیدو پهن باند ارزیابی شد. برای این منظور، در ابتدا میزان آلبیدو پهن‌باند تصحیح شده با محصول مادیس (mcd43a3) در شرایط مفروض آسمان سفید(wsa) و سیاه(bsa) مقایسه شدند که کمترین میانگین مربعات خطا در این دو شرایط به ترتیب برابر با 0.049wsa و 0.066bsa بود. بیشترین تاثیر مقدار آلبیدو پهن‌باند قبل و بعد از تصحیح جوی به ترتیب مربوط به اراضی با خاک روشن، مناطق کوهستانی تیره و مناطق کشاورزی است. این میزان تغییرات در تمام کاربری ها کاهشی و حدوداً بین 0.05 0.18 برآورد شد. باتوجه به نتایج حاصل از پژوهش حاضر، اعمال تصحیح جوی جهت برآورد مقدار آلبیدو در تمام شرایط پیشنهاد می شود.

Comparison of Different Targets Used in Augmented Reality Applications in Ubiquitous GIS

Drilling requires accurate information about locations of underground infrastructures or it can cause serious damages. Augmented Reality (AR) as a technology in Ubiquitous GIS (UBIGIS) can be used to visualize underground infrastructures on smartphones. Since smartphone rsquo;s sensors do not provide such accuracy, another approaches should be applied. Vision based computer vision systems are well known approaches to collect data of camera poses. Some vision systems track objects by image processing of natural environments which is quite difficult in unknown environments. Most vision systems are designed to detect targets. This paper aims to compare different types of targets that can be used in AR applications in UBGIS. For this propose, first three types of targets are being overviewed, then targets are compared in terms of their square or circular shapes. Finally, two kinds of targets related to Agisoft and Australis modeling software are chosen and images are being taken in different sincidence angles related to center of images at the area of faculty of Geodesy and Geomatics Engineering Khaje Nasir Toosi University of Technology. Then automatic recognition results in both software tools were being compared and analyzed. Comparisons reveal that QRCode is not appropriate due to its square shape and its distance limitation to scan by reader, because in AR applications, targets should be placed in a large field of view. Also, squared targets are not very suitable because their recognition is not easy. Therefore, Fiducial Markers are not recommended. It is worth mentioning that circular targets are the best target for this application. Among circular targets, although detection of circular Coded Target is not easy especially in very low incidence angle, but unrelated objects are not recognized as Coded Target; while detection of simple circular Target will make lots of mistakes. Generally, choosing appropriate target depends on corresponding application and usage. Then sensorbased and visionbased approaches to visualize underground infrastructures are compared. The results demonstrate that visionbased approach improve the precision of pose estimation parameters 8.10260 m in position parameters and 10.36 degrees in orientation parameters. Therefore, targets can be used as a visionbased approach.