تبدیل فوریه

یخچال های طبیعی و تغییرات و حرکت آنها در جایگاه شاخص هایی برای نشان دادن تغییرات آب و هوایی به کار می روند و به منظور ارزیابی تغییرات سطحی یخچال ناشی از تغییرات اقلیمی، باید مطالعات بلندمدت انجام شود. استفاده از تصاویر ماهواره ای راهی مؤثر برای استخراج سرعت حرکت یخچال محسوب می شود. در این تحقیق با استفاده از عکس های هوایی قدیمی و تصاویر ماهواره ای جدید، تغییرات سطحی و بردارهای جابه جایی و سرعت یخچال علم چال، با استفاده از الگوریتم خودکار، محاسبه شده است. تمامی داده ها، شامل عکس های هوایی و تصاویر، به صورت ارتو[1] درآمدند و از نظر رادیومتریکی و هندسی همسان سازی شدند. با استفاده از عکس هوایی سال 1955 و مقایسة آن با تصویر SPOT سال 2003، میزان عقب نشینی یخچال در قسمت پیشانی آن به دست آمد. همچنین، تغییرات کوتاه مدت در دو بازة زمانی بین 1998 تا 2003 و 2003 تا 2005، با استفاده از عکس های هوایی و تصاویرSPOT  و Quick Bird، استخراج شد. در این تحقیق، با استفاده از روش مبتنی بر تبدیل فوریه و محاسبة همبستگی، بردار های سرعت سطحی با خطای کمتر از دو متر استخراج شد. نتایج دقت و قابلیت روش پیشنهادی را برای ارزیابی میزان عقب نشینی و نیز اندازه گیری سرعت سطحی یخچال نشان می دهند و می توان این نتایج را به منظور مطالعات مربوط به تغییرات اقلیمی در سطح منطقه ای به کار برد.

در این مقاله به بررسی رفتار عمق موهو با استفاده از داده های آنامولی جاذبه برمبنای روش پارکر-اولدنبرگ پرداخته می شود. فرمولی که توسط Oldenburg از طریق ادغام با روش Parker موسوم به روش پارکر-اولدنبرگ در اینجا بازنویسی شده تا به روش تکراری معکوس تبدیل فوریه آنامولی جاذبه، نتیجه حاصل شود. از آنجایی که این روش بر اساس تبدیل سریع فوریه بنا نهاده شده است، بنابراین دارای سرعت بسیار بالایی است که می توان از آن برای محاسبه ی مدل هایی با تعداد بسیار بالای نقاط بدون صرف زمان زیاد برای محاسبات استفاده کرد. همچنین در صورت استفاده از میدان ثقلی با کیفیت بالا می توان به نتایج خوبی در این روند دست یافت. در این پژوهش آنامولی های جاذبه حاصل از مدل های ژئوپتانسیلی EGM08, EGM96 و یکی از مدل های ژئوپتانسیل جهانی گوس-مبنا (بر اساس داده های ثقل سنجی ماهواره جهانی GOCE تنها حاصل شده است) وعلاوه برآن از داده های ثقل سنجی زمینی تهیه شده توسط سازمان نقشه برداری در منطقه خراسان استفاده شده است. بوسیله این داده ها یک شبکه  سلولی به منظور تولید میدان ثقل و تخمین عمق موهو ایجاد شده است. بررسی نتایج حاصل از محاسبه عمق موهو در این منطقه نشان می دهد که مدل عمق موهو بدست آمده از داده های سازمان نقشه برداری نسبت به دیگر مدل ها اختلاف زیادی دارد که به دلیل تعداد محدود نقاط مشاهدات برای رسیدن به مدل درونیابی میدان ثقل است. اما از اختلاف نتایج عمق موهو حاصل از مدل EGM08 نسبت به مدل های EGM96 و مدل GOCE مقدار RMS بترتیب 66/1 و 07/1 کیلومتر در عمق موهو بدست آمده است که این بهبود دقت را می توان ناشی ازکیفیت و رزولوشن مدل های ژئوپتانسیلی دانست. همچنین در مقایسه نتایج حاصل از مدل GOCE با مدل EGM96 مقدار RMS برابر با 85/0 کیلومتر می باشد که بدلیل نزدیکی و کیفیت دو میدان مورد استفاده نسبت به هم است.

وجود اسپکل در تصاویر رادار با روزنه مصنوعی به دلیل سیستم تصویربرداری همدوس، باعث ایجاد اثر دانه دانه ای در تصویر شده و برخی پردازش های شی گرا همانند قطعه بندی، خوشه بندی و یا شناسایی هدف را تحت تاثیر قرار می دهد. از اینرو روش های مختلفی جهت کاهش اثر اسپکل ارائه شده است.از یک نقطه نظر کلی اغلب الگوریتم های ارائه شده در یکی از روش های حوزه مکان، روش های مبتنی بر تبدیل و نیز روش های بهینه سازی طبقه بندی شده و البته محدود نمی گردند. از جمله محدودیت های موجود در روش های مورد استفاده اغلب می توان به عدم حفظ بافت و ساختار تصویر و نیز وابستگی اجرای الگوریتم به یک یا چند پارامتر تنظیم کننده اشاره نمود، که همین موضوع استفاده از این روش ها را در کاربردهای عملی با چالش رو به رو می سازد. از اینرو در پژوهش حاضر با در نظر گرفتن رفتار فرکانسی تصاویر SAR، روشی بر مبنای فیلترینگ تطبیقی طیف اندازه در حوزه فرکانس ارائه شده است که ضمن حفظ بافت های ظریف تصویر، به طور قابل ملاحظه ای اثر اسپکل را کاهش می دهد. علاوه بر آن الگوریتم پیشنهادی به صورت خودکار اجرا شده و نیازی به برآورد پارامترهای تنظیمی ندارد. همچنین در تصاویر با پیچیدگی بافت زیاد و در روش های کانوولوشن مکانی که نیاز به تنظیم ابعاد کرنل دارد، مرتبه محاسباتی پایین تری خواهد داشت. نتایج ارزیابی نشان می دهد که الگوریتم پیشنهادی در مقایسه با فیلترهای مکانی تطبیقی، ضمن بهبود 50 درصدی شاخص تعداد منظرهای معادل در تصاویر SAR، مقدار شاخص حفظ لبه را نیز به طور میانگین برای تصاویر SAR و شبیه سازی SAR حدوداً 50 و 30 درصد بهبود می بخشد.