ادغام تصویر

یکی از بلایای طبیعی که هر ساله موجب خسارت های زیادی در نواحی خشک و بیابانی جهان از جمله ایران و منطقه یزد میشود، بادهای شدید و طوفان ها است. به سبب موقعیت جغرافیایی و شرایط اقلیمی، این منطقه همواره در معرض بادهای شدید و طوفان های گرد و خاک قرار دارد. از این جهت شناخت رژیم بادهای شدید و طوفان های منطقه یزد به منظور کاهش آثار مخرب این پدیده به ویژه در امر تثبیت ماسه های روان، ضروری است. این تحقیق با استفاده از داده های دید افقی، سرعت و جهت باد، رطوبت نسبی، دما، فشار، ابر و پدیده گرد و خاک ایستگاه های سینوپتیک یزد و کرمان، داده های جو بالای این ایستگاه ها و نقشه های سینوپتیک در طی دوره آماری سال های 1362 - 1382 انجام شده است. نتایج مطالعه نشان میدهد که بیش از 77 درصد بادهای شدید منطقه از سمت 250 تا 330 درجه وزیده و سرعت آن بین 15 - 29 متر بر ثانیه در نوسان است. این بادهای شدید در ساعت های بعد از ظهر میوزند. وزش بادهای غالب از سمت شمال غرب و غرب است. بیش از 50 درصد از بادهای شدید و طوفان های منطقه در ماه های اردیبهشت و فروردین رخ میدهند. در ابتدای دوره گرم سال و انتقال فصل، ناپایداری های جوی و طوفان های گردوخاک در منطقه افزایش پیدا میکند. علت اصلی این پدیده وزش بادهای شدیدی است که به دنبال تغییرات سریع فشار و دمای هوا در این موقع از سال رخ می دهد. عبور یک سامانه کم فشار با جبهه سرد و خشک از سمت غرب - شمال غرب همراه با وجود ناوه در ترازهای 850 و 500 هکتوپاسکال و ناپایداریهای محلی، مهمترین علل بروز این بادهای شدید در منطقه است.

عدم تابش یکنواخت نور بر عوارض، سبب کاهش میزان کنتراست در تصاویر هوایی شده و استخراج ویژگی های تصویر را مشکل می سازد. عدم نوردهی مناسب باعث کاهش کنتراست تصویر و تشکیل سایه یک عارضه بر عوارض دیگر می شود، در نتیجه سبب از بین رفتن اطلاعاتی در مورد رفتار، شکل، اندازه ، الگو، بافت و تن عوارض شده و سبب فشردگی هیستوگرام تصویر در یک یا چند ناحیه خاص می شود. در این پژوهش از دو تصویر هوایی با تنوع عوارض پوشش گیاهی، خاک و دست ساخت بشر استفاده شد. در مرحله اول از روش پیشنهادی تحقیق حاضر، ابتدا الگوریتم SMQT بر تصویر اعمال گردید. این تبدیل با نشان دادن ساختار داده ها، ویژگی های Gain و Bias داده ها را حذف می کند. خروجی الگوریتم SMQT تصویر خاکستری می باشد. برای حفظ اطلاعات رنگی موجود در تصویر اصلی، تصویر RGB ورودی با تصویر حاصل از الگوریتم SMQT   ادغام گردید. در مرحله دوم، تصحیح گاما به میزان 0/7 به کل تصویر اعمال شد. تصحیح گاما، فرآیندی است که برای تصحیح پاسخ قانون توان رخ می دهد. میزان تصحیح گاما در همه قسمت های یک تصویر یکسان نیست اما  اعمال این تصحیح به صورت محلی و با استفاده از کرنل به ابعاد مشخص، سبب افزایش محاسبات و زمان می شود و در صورت وجود نویز در تصویر، انحراف شدید در میزان تصحیح به وجود می آورد. برای حل این مشکل، مجددا ً بر روی تصویر به دست آمده از تصحیح گاما، الگوریتم SMQT اعمال شد. این عمل با فشرده سازی محدوده ی داینامیک رنج به وسیله ی کشش هیستوگرام تصویر، در قسمت هایی از تصویر که نیاز به تصحیح گاما نداشت، ساختار داده را بدون تغییر باقی گذاشت. خروجی حاصل از الگوریتم SMQT در مرحله دوم با تصویر حاصل از تصحیح گاما، ادغام شد. معیار شباهت ساختاری برای تصاویر ورودی به ترتیب برابر 0/4352 و 0/4161 و برای تصاویر پردازش شده برابر 0/8372 و 0/8401 می  باشد.