آموزش تصویربرداری سنجش از دور، تحلیل و کاربردها - آخرین آپدیت

سرفصل ها و درس ها

خوش‌آمدگویی، مدرس، منابع دوره، معرفی ماژول ۱ و lectures و کوییز هفته اول Course Welcome, Instructor, Course Resources, Module 1 Introduction and Week 1 Lectures and Quiz

• معرفی دوره Course Introduction

• خوش‌آمدگویی به ماژول ۱ Welcome to Module 1

• ماژول ۱ درس ۱: سنجش از دور چیست؟ Module 1 Lecture 1 What is remote sensing

• ماژول ۱ درس ۲: جو زمین Module 1 Lecture 2 The atmosphere

• ماژول ۱ درس ۳: چه پلتفرم‌هایی برای تصویربرداری از سطح زمین استفاده می‌شوند؟ Module 1 Lecture 3 What platforms are used for imaging the earth's surface?

• ماژول ۱ درس ۴: چگونه تصاویری از سطح زمین ثبت می‌کنیم؟ Module 1 Lecture 4 How do we record images of the earth's surface?

جلسات و کوییز هفته دوم Week 2 Lectures and Quiz

• ماژول ۱ درس ۵: هدف ما از اندازه‌گیری چیست؟ Module 1 Lecture 5 What are we trying to measure?

• ماژول ۱ درس ۶: اعوجاج‌ها در تصاویر ثبت شده Module 1 Lecture 6 Distortions in recorded images

• ماژول ۱ درس ۷: اعوجاج هندسی در تصاویر ثبت شده Module 1 Lecture 7 Geometric distortion in recorded images

• ماژول ۱ درس ۸: اصلاح اعوجاج هندسی Module 1 Lecture 8 Correcting geometric distortion

جلسات و کوییز هفته سوم Week 3 Lectures and Quiz

• ماژول ۱ درس ۹: اصلاح اعوجاج هندسی با استفاده از توابع نگاشت و نقاط کنترلی Module 1 Lecture 9 Correcting geometric distortion using mapping functions and control points

• ماژول ۱ درس ۱۰: بازنمونه‌برداری (Resampling) Module 1 Lecture 10 Resampling

• ماژول ۱ درس ۱۱: مثالی از ثبت تصویر (Image Registration) Module 1 Lecture 11 An image registration example

• ماژول ۱ درس ۱۲: تصاویر چگونه تفسیر و استفاده می‌شوند؟ Module 1 Lecture 12 How can images be interpreted and used?

• ماژول ۱ درس ۱۳: بهبود کنتراست تصویر Module 1 Lecture 13 Enhancing image contrast

جلسات و کوییز هفته چهارم Week 4 Lectures and Quiz

• ماژول ۱ درس ۱۴: مقدمه‌ای بر طبقه‌بندی (تحلیل کمی) Module 1 Lecture 14 An introduction to classification (quantitative analysis)

• ماژول ۱ درس ۱۵: طبقه‌بندی: جزئیات بیشتر Module 1 Lecture 15 Classification: some more detail

• ماژول ۱ درس ۱۶: همبستگی و کوواریانس Module 1 Lecture 16 Correlation and covariance

• ماژول ۱ درس ۱۷: تبدیل مؤلفه‌های اصلی (PCA) Module 1 Lecture 17 The principal components transform

جلسات و کوییز هفته پنجم، آزمون ماژول ۱ Week 5 Lectures and Quiz, Module 1 Test

• ماژول ۱ درس ۱۸: تبدیل مؤلفه‌های اصلی: مثال گام‌به‌گام Module 1 Lecture 18 The principal components transform: worked example

• ماژول ۱ درس ۱۹: تبدیل مؤلفه‌های اصلی: یک مثال واقعی Module 1 Lecture 19 The principal components transform: a real example

• ماژول ۱ درس ۲۰: کاربردهای تبدیل مؤلفه‌های اصلی Module 1 Lecture 20 Applications of the principal components transform

معرفی ماژول ۲، جلسات و کوییز هفته ششم Module 2 Introduction, Week 6 lectures and Quiz

• خوش‌آمدگویی به ماژول ۲ Welcome to Module 2

• ماژول ۲ درس ۱: مبانی تحلیل تصویر و یادگیری ماشین Module 2 Lecture 1: Fundamentals of image analysis and machine learning

• ماژول ۲ درس ۲: طبقه‌بند بیشینه احتمال (Maximum Likelihood) Module 2 Lecture 2: The maximum likelihood classifier

• ماژول ۲ درس ۳: طبقه‌بند بیشینه احتمال: تابع متمایزکننده و مثال Module 2 Lecture 3: The maximum likelihood classifier—discriminant function and example

• ماژول ۲ درس ۴: طبقه‌بند کمترین فاصله، مطالب پیش‌زمینه Module 2 Lecture 4: The minimum distance classifier, background material

جلسات و کوییز هفته هفتم Week 7 Lectures and Quiz

• ماژول ۲ درس ۵: آموزش یک طبقه‌بند خطی Module 2 Lecture 5: Training a linear classifier

• ماژول ۲ درس ۶: ماشین بردار پشتیبان (SVM): آموزش Module 2 Lecture 6: The support vector machine—training

• ماژول ۲ درس ۷: ماشین بردار پشتیبان: مرحله طبقه‌بندی و داده‌های هم‌پوشان Module 2 Lecture 7: The support vector machine—the classification step and overlapping data

• ماژول ۲ درس ۸: ماشین بردار پشتیبان: داده‌های غیرخطی Module 2 Lecture 8: The support vector machine—non-linear data

• ماژول ۲ درس ۹: ماشین بردار پشتیبان: کلاس‌های متعدد و مرحله طبقه‌بندی Module 2 Lecture 9: The support vector machine—multiple classes and the classification step

• ماژول ۲ درس ۱۰: ماشین بردار پشتیبان: یک مثال Module 2 Lecture 10: The support vector machine—an example

جلسات و کوییز هفته هشتم Week 8 Lectures and Quiz

• ماژول ۲ درس ۱۱: شبکه عصبی به عنوان طبقه‌بند Module 2 Lecture 11: The neural network as a classifier

• ماژول ۲ درس ۱۲: آموزش شبکه عصبی Module 2 Lecture 12: Training the neural networ

• ماژول ۲ درس ۱۳: مثال‌هایی از شبکه‌های عصبی Module 2 Lecture 13: Neural network examples

جلسات و کوییز هفته نهم Week 9 Lectures and Quiz

• ماژول ۲ درس ۱۴: یادگیری عمیق و شبکه عصبی کانولوشنال (CNN)، بخش ۱ Module 2 Lecture 14: Deep learning and the convolutional neural network, part 1

• ماژول ۲ درس ۱۵: یادگیری عمیق و شبکه عصبی کانولوشنال (CNN)، بخش ۲ Module 2 Lecture 15: Deep learning and the convolutional neural network, part 2

• ماژول ۲ درس ۱۶: یادگیری عمیق و شبکه عصبی کانولوشنال (CNN)، بخش ۳ Module 2 Lecture 16: Deep learning and the convolutional neural network, part 3

• ماژول ۲ درس ۱۷: مثال‌های CNN در سنجش از دور Module 2 Lecture 17: CNN examples in remote sensing

• ماژول ۲ درس ۱۸: مقایسه طبقه‌بندها Module 2 Lecture 18: Comparing the classsifiers

جلسات و کوییز هفته دهم، آزمون ماژول ۲ Week 10 Lectures and Quiz, Module 2 Test

• ماژول ۲ درس ۱۹: طبقه‌بندی نظارت نشده و خوشه‌بندی Module 2 Lecture 19: Unsupervised classification and clustering

• ماژول ۲ درس ۲۰: مثال‌هایی از خوشه‌بندی k-means Module 2 Lecture 20: Examples of k means clustering

• ماژول ۲ درس ۲۱: سایر روش‌های خوشه‌بندی Module 2 Lecture 21: Other clustering methods

• ماژول ۲ درس ۲۲: خوشه‌بندی «داده‌های عظیم» (Big Data) Module 2 Lecture 22: Clustering "big data"

معرفی ماژول ۳، جلسات و کوییز هفته یازدهم Module 3 Introduction, Week 11 Lectures and Quiz

• خوش‌آمدگویی به ماژول ۳ Welcome to Module 3

• ماژول ۳ درس ۱: کاهش ویژگی‌ها Module 3 Lecture 1: Feature reduction

• ماژول ۳ درس ۲: بهره‌برداری از ساختار ماتریس کوواریانس Module 3 Lecture 2: Exploiting the structure of the covariance matrix

• ماژول ۳ درس ۳: کاهش ویژگی‌ها از طریق تبدیل Module 3 Lecture 3: Feature reduction by transformation

• ماژول ۳ درس ۴: معیارهای تفکیک‌پذیری Module 3 Lecture 4: Separability measures

• ماژول ۳ درس ۵: معیارهای تفکیک‌پذیری بدون توزیع Module 3 Lecture 5: Distribution-free separability measures

جلسات و کوییز هفته دوازدهم Week 12 Lectures and Quiz

• ماژول ۳ درس ۶: ارزیابی عملکرد طبقه‌بند و خطاهای نقشه Module 3 Lecture 6: Assessing classifier performance and map errors

• ماژول ۳ درس ۷: عملکرد طبقه‌بند و دقت نقشه Module 3 Lecture 7: Classifier performance and map accuracy

• ماژول ۳ درس ۸: انتخاب پیکسل‌های تست برای ارزیابی دقت نقشه Module 3 Lecture 8: Choosing testing pixels for assessing map accuracy

• ماژول ۳ درس ۹: متدولوژی‌های طبقه‌بندی Module 3 Lecture 9: Classification methodologies

• ماژول ۳ درس ۱۰: سایر روش‌های تفسیر Module 3 Lecture 10: Other interpretation methods

جلسات و کوییز هفته سیزدهم Week 13 Lectures and Quiz

• ماژول ۳ درس ۱۱: مبانی تصویربرداری راداری Module 3 Lecture 11: Fundamentals of radar imaging

• ماژول ۳ درس ۱۲: خلاصه SAR و پیامدهای عملی آن Module 3 lecture 12: Summary of SAR and its practical implications

• ماژول ۳ درس ۱۳: ضریب پراکندگی Module 3 Lecture 13: The scattereing coefficient

• ماژول ۳ درس ۱۴: نویز اسپکل (Speckle) و مقدمه‌ای بر مکانیسم‌های پراکندگی Module 3 Lecture 14: Speckle and an introduction to scattering mechanisms

جلسات و کوییز هفته چهاردهم Week 14 Lectures and Quiz

• ماژول ۳ درس ۱۵: پراکندگی راداری از سطح زمین Module 3 Lecture 15: Radar scattering from the earth's surface

• ماژول ۳ درس ۱۶: تصویربرداری زیرسطحی و پراکندگی حجمی Module 3 Lecture 16: Sub-surface imaging and volume scattering

• ماژول ۳ درس ۱۷: پراکندگی از اهداف سخت Module 3 Lecture 17: Scattering from hard targets

• ماژول ۳ درس ۱۸: اثر کاردینال، پراکندگی براگ و پراکندگی از دریا Module 3 Lecture 18: The cardinal effect, Bragg scattering and scattering from the sea

جلسات و کوییز هفته پانزدهم، آزمون ماژول ۳ و جمع‌بندی دوره Week 15 Lectures and Quiz, Module 3 Test, Course Conclusion

• ماژول ۳ درس ۱۹: اعوجاج‌های هندسی در تصاویر راداری Module 3 Lecture 19: Geometric distortions in radar imagery

• ماژول ۳ درس ۲۰: اعوجاج‌های هندسی در تصاویر راداری (ادامه) Module 3 Lecture 20: Geometric distortions in radar imagery, cont.

• ماژول ۳ درس ۲۱: اینترفرومتری راداری Module 3 Lecture 21: Radar interferometry

• ماژول ۳ درس ۲۲: اینترفرومتری راداری برای تشخیص تغییرات Module 3 Lecture 22: Radar interferometry for detecting change

• ماژول ۳ درس ۲۳: برخی ملاحظات دیگر در سنجش از دور راداری Module 3 Lecture 23: Some other considerations in radar remote sensing

• ماژول ۳ درس ۲۴: مرور کلی دوره Module 3 Lecture 24: The course in review

• سخن پایانی دوره Course Closing Comments