دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: سازمان و پردازش داده ها ویرایش: 1 نویسندگان: Giovanni Motta, Francesco Rizzo, James A. Storer سری: ISBN (شابک) : 0387285792, 9780387286006 ناشر: Springer سال نشر: 2005 تعداد صفحات: 421 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 45 مگابایت
در صورت تبدیل فایل کتاب Hyperspectral data compression به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب فشرده سازی داده های Hyperspectral نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
فشردهسازی دادههای فراطیفی، بررسی نتایج اخیر در زمینه فشردهسازی دادههای سهبعدی سنجش از دور، با علاقه خاصی به تصاویر فراطیفی ارائه میکند. فصل 1 به معماری فشرده سازی می پردازد و روش های فشرده سازی را بررسی و مقایسه می کند. فصلهای 2 تا 4 بر فشردهسازی بدون اتلاف تمرکز دارند (که در آن تصویر فشردهسازی شده باید کمی با تصویر اصلی یکسان باشد). فصل 5 که توسط ویراستاران ارائه شده است، یک الگوریتم بدون تلفات را بر اساس کوانتیزاسیون برداری با پسوندهای فشرده سازی تقریباً بدون تلفات و احتمالاً با تلفات برای قهوه ای شدن کارآمد و طبقه بندی پیکسل خالص توصیف می کند. فصل 6 به فشرده سازی تقریباً بدون تلفات می پردازد. فصل 7 تکنیکهای با اتلاف را که با طبقهبندی تقریباً کامل محدود شدهاند، بررسی میکند. فصلهای 8 تا 12 به فشردهسازی با اتلاف تصاویر فراطیفی میپردازند، جایی که بین فشردهسازی بهدستآمده و کیفیت تصویر غیرفشردهشده، تعادلی وجود دارد. فصل 13 مصنوعاتی را بررسی می کند که می توانند از فشرده سازی با اتلاف ایجاد شوند.
Hyperspectral Data Compression provides a survey of recent results in the field of compression of remote sensed 3D data, with a particular interest in hyperspectral imagery. Chapter 1 addresses compression architecture, and reviews and compares compression methods. Chapters 2 through 4 focus on lossless compression (where the decompressed image must be bit for bit identical to the original). Chapter 5, contributed by the editors, describes a lossless algorithm based on vector quantization with extensions to near lossless and possibly lossy compression for efficient browning and pure pixel classification. Chapter 6 deals with near lossless compression while. Chapter 7 considers lossy techniques constrained by almost perfect classification. Chapters 8 through 12 address lossy compression of hyperspectral imagery, where there is a tradeoff between compression achieved and the quality of the decompressed image. Chapter 13 examines artifacts that can arise from lossy compression.