What's new

Iranian Missiles | News and Discussions

.
Iran's supremacy in the Persian Gulf region is without question, this now needs to be maintained. The Americans fully understand how utterly absurd the idea of leaving their fleet anywhere near the Persian Gulf in the case of conflict is. This was not always the case, I recall about a decade ago they thought their navy could stay in the Persian Gulf during war. Today, they would not even dream of it.

Our main focus going forward should be to greatly expand our A2/AD against surface vessels to the 2500/3000km range. In the future, we will see miniaturised and compact Sejill ranged MRBM just like how we are seeing the Fateh class today. We are getting there with the likes of Defzoul missiles. Imagine 100's of compact Antiship MRBMs in canisters buried underground ready to be fired.

Iran has been hard at work setting up underground "missile farms" bases and other means of launching for years now and we're only seeing a small part of it. Personally I would like to see more 2+ missile TELS for the FATEHs

Iran's missile deployments around the country must truly be huge in scope...
 
.
IRGC Practices Crippling US’ THAAD System

TEHRAN (Tasnim) – The IRGC forces have successfully exercised an operation to incapacitate the US’ THAAD missile defense system in the course of a massive war game in southern Iran, a top commander said.
Commander of the Islamic Revolution Guards Corps (IRGC) Aerospace Force Brigadier General Amir Ali Hajizadeh said on Wednesday that his forces have practiced tactics to defeat the enemy’s missile shield and destroy its air defense missile systems in the Payambar-e Azam 14 (The Great Prophet) war game, underway in Iran’s southern province of Hormozgan, western parts of the Strait of Hormuz, and the Persian Gulf.

The IRGC forces established a missile system mirroring the capabilities of Theater High Altitude Area Defense (THAAD), and targeted the anti-ballistic defense system with radar-evading missiles, he said.

The commander also noted that the IRGC Aerospace Force’s combat drones have destroyed targets from a far distance with great accuracy, including the command bridge of the replica of a US aircraft carrier.

Sukhoi-22 fighter jets also destroyed targets with a small cross-sectional area using winged bombs, General Hajizadeh added.

“With the facilities in our possession, we can hit any hostile target at any location in the Persian Gulf region, the Sea of Oman, and the Indian Ocean,” he went on to say.

On Wednesday morning, the IRGC fired a series of ballistic missiles from launch pads hidden in camouflage deep under the ground.

The final stage of the war game includes joint operations by missile units, vessels and drones from the IRGC Navy and missile, drone and radar units from the IRGC Aerospace Force.

Satellite images taken by Iran’s homegrown ‘Noor’ (light) satellite that was launched into space in April have been used to evaluate the situation in the war game zone.

https://www.tasnimnews.com/en/news/2020/07/29/2317192/irgc-practices-crippling-us-thaad-system
 
. . .
اینطور که بوش میاد سرکار رفتیم. اگر هم قرار باشه سرکار رفته باشیم خیلی به جاهای دیگه دلخوش نکن و احتمالاً از ساده ترین جا تصاویر رو گرفتن. جایی مثل گوگل ارث یا همین حدود​
tasavir hararati chi?? google hamchin mahvare e dare??
 
.
کدوم تصاویر حرارتی؟
شاید من اشتباه می کنم، اما فکر کنم اون تصاویری که ما دیدیم که شبیه هیت مپ بودن تصاویری بودن که اختلاف دو تا عکس گرفته شده در زمان های مختلف رو نشون می داد و با الگوریتم های پردازش تصویر به راحتی قابل به دست اومدن هستن
در واقع برداشت من از اون تصاویر این بود که دو تا تصویر کناری در زمان های مختلف گرفته شدن و بعد با مقایسه تایل به تایل تصویر وسط که نشون دهنده تغییرات در تصاویر هست به دست اومدن که کار الگوریتم های پردازش تصویر هست​
EeGDxowWsAA07EE
 
. .
این هم ایده جالبی هست
اما فکر نمی کنم پهپادهای ما بتونند به این پایگاه ها خیلی نزدیک بشن یا اونقدر توانایی داشته باشن که مثلاً از 200 کیلومتری از پایگاه عکس برداری کنند

بعد هم معمولاً اصلاح پرسپکتیو تا یه حدی باید کار کنه، نه دیگه خیلی زیاد. معمولاً تصاویر از ارتفاعات خیلی بالا به صورت ارتوگرافیک هستند و تبدیلات هوموگرافی که مال فضاهای پروژکتیو هستند حدس می زنم روشون کار نکنه چون احتمالاً تبدیلات عکس های ارتوگرافیک باید به تبدیلات آفین کاهش پیدا کنه و به نوعی حالت سینگولار باشه اما احتمال داره اشتباه کنم

یه چند وقتی هست می خوام ازت بپرسم داستان این 3 نقطه آخر هر کامنت که می ذاری چی هست. قبلاً نمی ذاشتی
:D

I do not think it was google anyway because drone images were also available.
Maybe Chinese or Russian images but definitely not google

It is possible to take drone photos from an angle/side and do stereoversion reconstruction. Techniques are shape from shadow or edge detection/ registration.
ایده قدیمی ده بیست سال پیشه
ایده من نیست

با چند عکس از چند زاویه نمای سه بعدی اشیا به دست میاد و روی تصاویر ماهواره هم انجام شده
روشهاش مختلفه
گوشه یابی و رجیستریشن
تصویر از سایه یا استریو ویژن معروفه

پهباد تو ابهای بینالمللی باشه کافیه
حتی هواپیمای مسافری ما هم میتونه

نور پنج تا پنجاه کیلویی هر کدوم درست باشه نمیتونه رزولوشن دو متر بده

چن نقطه برای فاصله از انتهای پیامه
باگ گوشی منه یا باگه این فروم

:)
....​
 
Last edited:
. . .
Vay khodah, vaghe'an goh khordam keh farsi dooros hasebi yadnager-raftem.....

xD

Hanooz ham dir nist. Khatte Farsi ro yad begiri baghie ro balad hasti.


ایده قدیمی ده بیست سال پیشه
ایده من نیست

با چند عکس از چند زاویه نمای سه بعدی اشیا به دست میاد و روی جی پی اس هم انجام شده
روشهاش مختلفه
گوشه یابی و رجیستریشن
تصویر از سایه یا استریو ویژن معروفه

پهباد تو ابهای بینالمللی باشه کافیه
حتی هواپیمای مسافری ما هم میتونه

چن نقطه برای فاصله از انتهای پیامه
باگ گوشی منه یا باگه این فروم
....​
می دونم، اما مسئله چیز دیگه ای هست

ببین اصولاً دوربین یک نگاشت از فضای پروژکتیو سه بعدی به فضای پروژکتیو 2 بعدی هست. به برد نگاشت تابعی که فضای پروژکتیو سه بعدی رو می اندازه روی فضای دوبعدی می گن تصویر

از اونجایی که فضای سه بعدی پروژکتیو رو می شه با چهار مولفه همگن و فضای دو بعدی رو با سه مولفه همگن نمایش داد، هر دوربین رو می شه با یک ماتریس 3 در 4 نمایش داد که خودش تجزیه می شه به چند بخش که یکیش پارامترهای خارجی دوربین هست و یکی دیگش پارامترهای داخلی دوربین
پارامترهای داخلی دوربین چیزهایی مثل اندازه طول و عرض هر پیکسل دوربین، کجی پیکسل، نقطه مبداء مختصات در صفحه عکس و فاصله کانونی دوربین هست

حالا تو می تونی هر دو عکسی رو به هم دیگه با یک تبدیل هوموگرافی که یک ماتریس 3 در 3 هست که 8 مولفه مستقل خطی داره تبدیل کنی و به نوعی پرسپکتیو رو اصلاح کنی

مسئله اینجاست عکس هایی که از فاصله های خیلی خیلی دور ثبت می شن، مثل تصاویر ماهواره ای، یک مقدار متفاوت هستن چون تو این تصاویر فاصله کانونی دوربین که یکی از پارامترهای داخلی هست به بی نهایت میل می کنه. تو حالت عادی، تبدیلات فضای سه بعدی پروژکتیو با ماتریس های 4 در 4 داده می شن که البته تعداد مولفه مستقل خطی اش کمتر از 16 هست اما تو حالتی که دوربین فاصله کانونی اش بی نهایت باشه تبدیلات فضا به تبدیلات آفین تبدیل می شن (یعنی تبدیلات طول نگهدار 3 بعدی اقلیدسی)

حالا نمی دونم این تا چه حد مسئله رو پیچیده می کنه، اما وقتی اختلاف دو عکس از نظر پرسپکتیو زیاد باشه، حتی همون تبدیلات ساده هم مشکل آفرین می شن. برای نمونه برای پیدا کردن تبدیل هوموگرافی که یه عکس رو به یه عکس دیگه تبدیل می کنه باید حتماً بتونی چهارتا نقطه متناظر در هر دو عکس در یک صفحه که هیچ سه تایی اش هم خط نیستند رو پیدا کنی. معمولاً این کار رو با الگوریتم هایی انجام می دن مثل
RANSAC

اما کلاً خیلی از اطلاعات پس از اصلاح پرسپکتیو طبیعی به نظر نمیان و مشخص هست که اصلاح پرسپکتیو صورت گرفته. مثلاً اگر یک تابلو تبلیغاتی وسط تصویر باشه، شکل کلی تابلو درست در میاد، اما چون چیزی از پشت تابلو نداری، معلوم می شه تغییر پرسپکتیو دادی

خلاصه داستان اینه که کار ساده ای نیست

در مورد سه بعدی سازی مسئله یه مقدار متفاوت هست و بر می گرده به نگاشت پایه ای و ماتریس اساسی. کلیت این هست که هر نقطه تو عکس یک خط در فضا به تو می ده و وقتی تو دو تا عکس از دو تا تصویر از یک چیز داشته باشی، با تقاطع خطوط در فضا می تونی مختصات سه بعدی نقطه رو در یک دستگاه مرجع به دست بیاری

البته خوب همه اینها هزاران مشکل داره به خاطر نویز در تصاویر و خود بحث پردازش الگوریتم ها و چیزهای دیگه​
 
.
Hanooz ham dir nist. Khatte Farsi ro yad begiri baghie ro balad hasti.


می دونم، اما مسئله چیز دیگه ای هست

ببین اصولاً دوربین یک نگاشت از فضای پروژکتیو سه بعدی به فضای پروژکتیو 2 بعدی هست. به برد نگاشت تابعی که فضای پروژکتیو سه بعدی رو می شونه روی فضای دوبعدی می گن تصویر

از اونجایی که فضای سه بعدی پروژکتیو رو می شه با چهار مولفه همگن و فضای دو بعدی رو با سه مولفه همگن نمایش داد، هر دوربین رو می شه با یک ماتریس 3 در 4 نمایش داد که خودش تجزیه می شه به چند بخش که یکیش پارامترهای خارجی دوربین هست و یکی دیگش پارامترهای داخلی دوربین
پارامترهای داخلی دوربین چیزهایی مثل اندازه طول و عرض هر پیکسل دوربین، کجی پیکسل، نقطه مبداء مختصات در صفحه عکس و اینها هست

حالا تو می تونی هر دو عکسی رو به هم دیگه با یک تبدیل هوموگرافی که یک ماتریس 3 در 3 هست که 8 مولفه مستقل خطی داره تبدیل کنی و به نوعی پرسپکتیو رو اصلاح کنی

مسئله اینجاست عکس هایی که از فاصله های خیلی خیلی دور ثبت می شن، مثل تصاویر ماهواره ای، یک مقدار متفاوت هست چون تو این تصاویر فاصله کانونی دوربین که یکی از پارامترهای داخلی هست به بی نهایت میل می کنه. تو حالت عادی، تبدیلات فضای سه بعدی پروژکتیو با ماتریس های 4 در 4 داده می شن که البته تعداد مولفه مستقل خطی اش کمتر هست اما تو حالتی که دوربین فاصله کانونی اش بی نهایت باشه تبدیلات فضات به تبدیلات آفین تبدیل می شن

حالا نمی دونم این تا چه حد مسئله رو پیچیده می کنه، اما وقتی اختلاف دو عکس از نظر پرسپکتیو زیاد باشه، حتی همون تبدیلات ساده هم مشکل آفرین می شن. برای نمونه برای پیدا کردن تبدیل هوموگرافی که یه عکس رو به یه عکس دیگه تبدیل می کنه باید حتماً بتونی چهارتا نقطه در یک صفحه که هیچ سه تایی اش هم خط نیستند رو پیدا کنی. معمولاً این کار رو با الگوریتم هایی انجام می دن مثل
RANSAC

اما کلاً خیلی از اطلاعات پس از اصلاح پرسپکتیو طبیعی به نظر نمیان و مشخص هست که اصلاح پرسپکتیو صورت گرفته. مثلاً اگر یک تابلو تبلیغاتی وسط تصویر باشه، محیط تابلو کاملاً درست در میاد، اما چون چیزی از پشت تابلو نداری، معلوم می شه تغییر پرسپکتیو دادی

خلاصه داستان اینه که کار ساده ای نیست

در مورد سه بعدی سازی مسئله یه مقدار متفاوت هست و بر می گرده به نگاشت پایه ای و ماتریس اساسی. کلیت این هست که هر نقطه تو عکس یک خط در فضا به تو می ده و وقتی تو دو تا عکس از دو تا تصویر از یک چیز داشته باشی، با تقاطع خطوط در فضا می تونی مختصات سه بعدی نقطه رو در یک دستگاه مرجع به دست بیاری

البته خوب همه اینها هزاران مشکل داره به خاطر نویز در تصاویر و خود بحث پردازش الگوریتم ها و چیزهای دیگه​

Any camera has an optic model that is used in signal and image processing. When you model it you correct for its weaknesses. You can get good images this way even from one side although it is not going to be excellent.

اسون نیست اما سخت هم نیست
باور نمیکنم دانشمند ما بیاد عکس گوگل تحویل بده با همه این امکانات

چن روز مدیا حمله خواهند کرد با همین گوگل
و جواب هم داره که ارایه تصاویر متنوع بیشتره
...
 
.
Any camera has an optic model that is used in signal and image processing. When you model it you correct for its weaknesses. You can get good images this way even from one side although it is not going to be excellent.

اسون نیست اما سخت هم نیست
باور نمیکنم دانشمند ما بیاد عکس گوگل تحویل بده با همه این امکانات

چن روز مدیا حمله خواهد کرد با همین گوگل
و جواب هم داره که ارایه تصاویر متنوع بیشتره
...
چرا، می تونه سخت باشه در عمل

ما یه بار خواستیم ساختمون دانشکده رو مدل سه بعدیش رو در بیاریم، بیچاره شدیم. در نهایت هم یک توده تنک از نقاط رو پیدا می کنه که سه بعدی می شن و بقیه نقاط رو باید با روش های دیگه ای پر کنی. مثلاً از چند میلیون نقطه که باید سه بعدی بشن، تو نهایت هزار نقطه رو سه بعدی پیدا می کنی

بگذریم از اینکه همون الگوریتم های شناسایی نقاط متناظر در تصاویر هم خطا بسیار بسیار زیاد دارن و خیلی آسون گول می خورن
به ویژه اگر اینکه در تصویر تکرار داشته باشی

مثلاً اگر بخوای دو تا عکس از سی و سه پل اصفهان رو بینشون یک تبدیل هوموگرافی پیدا کنی، بیچاره می شی چون الگوریتم های کامپیوتری نمی تونند بین اینکه کدوم نقطه مال کدوم یکی از پل ها هست تفاوت بذارن و خیلی از نقاط متناظر رو اشتباه پیدا می کنن

هر چی تقارن و تکرار در تصاویرت بیشتر باشه، پیدا کردن تبدیل های اتوماتیک هوموگرافی سخت تر می شه

خلاصه اینکه آبروریزی بزرگی شد. در تعجب هستم هنوز دیگران نیومدن مسخره کنند​
 
.
چرا، می تونه سخت باشه در عمل

ما یه بار خواستیم ساختمون دانشکده رو مدل سه بعدیش رو در بیاریم، بیچاره شدیم. در نهایت هم یک توده تنک از نقاط رو پیدا می کنه که سه بعدی می شن و بقیه نقاط رو باید با روش های دیگه ای پر کنی. مثلاً از چند میلیون نقطه که باید سه بعدی بشن، تو نهایت هزار نقطه رو سه بعدی پیدا می کنی

بگذریم از اینکه همون الگوریتم های شناسایی نقاط متناظر در تصاویر هم خطا بسیار بسیار زیاد دارن و خیلی آسون گول می خورن
به ویژه اگر اینکه در تصویر تکرار داشته باشی

مثلاً اگر بخوای دو تا عکس از سی و سه پل اصفهان رو بینشون یک تبدیل هوموگرافی پیدا کنی، بیچاره می شی چون الگوریتم های کامپیوتری نمی تونند بین اینکه کدوم نقطه مال کدوم یکی از پل ها هست تفاوت بذارن و خیلی از نقاط متناظر رو اشتباه پیدا می کنن

هر چی تقارن و تکرار در تصاویرت بیشتر باشه، پیدا کردن تبدیل های اتوماتیک هوموگرافی سخت تر می شه

خلاصه اینکه آبروریزی بزرگی شد. در تعجب هستم هنوز دیگران نیومدن مسخره کنند​

Corners/edges should be filtered first to make features. Then you register the features. Features have to be robust in space and time.

In the end, details will be lost occasionally. Definitely not a perfect technique.

One company in US has made 3D satellite images in US and started from Tehran images! They are trying to sell it to the federal government.

خلاصه عکس با رزولوشن دو متر نه مال نور ه نه گوگل
...
 
.
Back
Top Bottom