Исследование возможности применения сингулярного разложения матриц яркостей для классификации цифровых изображений на спектрозональных и гиперспектральных снимках

Кохановский Виталий Алексеевич
Бесплатно
В избранное
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

В данной работе исследован метод распознавания однородных областей на данных дистанционного зондирования Земли, основанный на сингулярном разложении значений матриц яркостей, и разработан алгоритм классификации изображений. Исследование применения алгоритма представлено экспериментом, в ходе которого были классифицированы многозональные и гиперспектральные космические снимки и проведен анализ результатов.

Современное состояние дистанционного зондирования Земли обуславливается использованием технических систем анализа и обработки информации. Цифровые данные, обрабатываемые в целях получения тематической информации в большинстве случаев представлены изображениями. С каждым годом возрастающий объем информации стимулирует развитие быстродействующих вычислительных ресурсов, способных выполнять анализ изображений, используя комбинированные алгоритмы и методики, обеспечивающие высококачественный уровень анализа при имеющихся ограничениях.
При анализе изображения встает задача определения характеристик, по которым возможно разделение изображения на однородные области. В дальнейшей обработке определенные области используются для классификации. Классификация представляет собой процесс установления соответствия между областями на изображении и реальными объектами. Соответствие определяется по критериям схожести. На данный момент существует множество алгоритмов, учитывающих не только яркостные характеристики объектов, но текстурные и иные признаки (Форсайт, 2008).
Основываясь на приведенных соображениях, при создании методики классификации изображения можно выделить следующие основные этапы:
Разделение изображения на однородные области,
Вычисление признаков для каждой однородной области
Классификация однородных областей по вычисленным признакам.
При разработке алгоритма классификации возникает ряд проблем, связанных с особенностями интерпретации данных и учетом характеристик объектов:
Процедура сегментации изображения выполняется с большей точностью, при учете априорной информации в исследуемой предметной области, что требует экспертных знаний, а также настройки параметров, обеспечивающих качество выделения однородных областей.
При использовании искусственных нейронных сетей (ИНС) для задач классификации изображений возникает задача точной настройки алгоритма, учитывающего пространство признаков, что является необходимым критерием при анализе большого объема данных в процессе обучения нейронной сети.
Зачастую, неоднозначное представление данных нейронной сетью, вынуждает использовать более простые методы классификации.
Простые методы классификации могут быть представлены обучаемыми или необучаемыми моделями, в большинстве случаев обучаемые модели подразумевают установление регионов, вычисленные признаки которых будут использоваться как эталонные, при идентификации объектов на изображениях.
Актуальность данной работы обуславливается низкой точностью существующих простых методов классификации, и отсутствием учета непрямых спектральных признаков в окрестности каждого элемента изображения.
Целью работы является исследование алгоритма, основанного на сингулярном разложении матриц яркостей для задач анализа цифровых изображений космических съемочных систем.
Для достижения поставленной цели исследования необходимо решить следующие задачи:
Изучение существующих методов сегментации и классификации данных дистанционного зондирования Земли с целью анализа современного состояния предметной области для формирования требований к исследуемому алгоритму.
Отбор параметров, используемых в качестве признаков объектов
Разработка алгоритма классификации на основе сингулярного разложения матриц.
Проведение эксперимента и анализ результатов:
Подбор данных для обработки
Предварительная обработка данных
Классификация изображений разработанным методом
Анализ результатов сегментации
Научная новизна работы заключается в использовании алгоритма сингулярного разложения матриц яркостей для задач объектно-ориентированной классификации объектов на спектрозональных и гиперспектральных снимках.
Данный алгоритм подразумевает использование в качестве признаков объектов не прямые спектральные характеристики пикселей, а сингулярные значения областей изображения, учитывающие параметры яркости в исследуемой окрестности.

Заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 5 000 ₽

Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям

    Нажимая на кнопку, я соглашаюсь на обработку персональных данных и с правилами пользования Платформой

    Хочешь уникальную работу?

    Больше 3 000 экспертов уже готовы начать работу над твоим проектом!

    Шагали Е. УрГЭУ 2007, Экономика, преподаватель
    4.4 (59 отзывов)
    Серьезно отношусь к тренировке собственного интеллекта, поэтому постоянно учусь сама и с удовольствием пишу для других. За 15 лет работы выполнила более 600 дипломов и... Читать все
    Серьезно отношусь к тренировке собственного интеллекта, поэтому постоянно учусь сама и с удовольствием пишу для других. За 15 лет работы выполнила более 600 дипломов и диссертаций, Есть любимые темы - они дешевле обойдутся, ибо в радость)
    #Кандидатские #Магистерские
    76 Выполненных работ
    Яна К. ТюмГУ 2004, ГМУ, выпускник
    5 (8 отзывов)
    Помощь в написании магистерских диссертаций, курсовых, контрольных работ, рефератов, статей, повышение уникальности текста(ручной рерайт), качественно и в срок, в соот... Читать все
    Помощь в написании магистерских диссертаций, курсовых, контрольных работ, рефератов, статей, повышение уникальности текста(ручной рерайт), качественно и в срок, в соответствии с Вашими требованиями.
    #Кандидатские #Магистерские
    12 Выполненных работ
    Глеб С. преподаватель, кандидат наук, доцент
    5 (158 отзывов)
    Стаж педагогической деятельности в вузах Москвы 15 лет, автор свыше 140 публикаций (РИНЦ, ВАК). Большой опыт в подготовке дипломных проектов и диссертаций по научной с... Читать все
    Стаж педагогической деятельности в вузах Москвы 15 лет, автор свыше 140 публикаций (РИНЦ, ВАК). Большой опыт в подготовке дипломных проектов и диссертаций по научной специальности 12.00.14 административное право, административный процесс.
    #Кандидатские #Магистерские
    216 Выполненных работ
    Анастасия Б.
    5 (145 отзывов)
    Опыт в написании студенческих работ (дипломные работы, магистерские диссертации, повышение уникальности текста, курсовые работы, научные статьи и т.д.) по экономическо... Читать все
    Опыт в написании студенческих работ (дипломные работы, магистерские диссертации, повышение уникальности текста, курсовые работы, научные статьи и т.д.) по экономическому и гуманитарному направлениях свыше 8 лет на различных площадках.
    #Кандидатские #Магистерские
    224 Выполненных работы
    Дарья С. Томский государственный университет 2010, Юридический, в...
    4.8 (13 отзывов)
    Практикую гражданское, семейное право. Преподаю указанные дисциплины в ВУЗе. Выполняла работы на заказ в течение двух лет. Обучалась в аспирантуре, подготовила диссерт... Читать все
    Практикую гражданское, семейное право. Преподаю указанные дисциплины в ВУЗе. Выполняла работы на заказ в течение двух лет. Обучалась в аспирантуре, подготовила диссертационное исследование, которое сейчас находится на рассмотрении в совете.
    #Кандидатские #Магистерские
    18 Выполненных работ
    Татьяна М. кандидат наук
    5 (285 отзывов)
    Специализируюсь на правовых дипломных работах, магистерских и кандидатских диссертациях
    Специализируюсь на правовых дипломных работах, магистерских и кандидатских диссертациях
    #Кандидатские #Магистерские
    495 Выполненных работ
    Александр О. Спб государственный университет 1972, мат - мех, преподав...
    4.9 (66 отзывов)
    Читаю лекции и веду занятия со студентами по матанализу, линейной алгебре и теории вероятностей. Защитил кандидатскую диссертацию по качественной теории дифференциальн... Читать все
    Читаю лекции и веду занятия со студентами по матанализу, линейной алгебре и теории вероятностей. Защитил кандидатскую диссертацию по качественной теории дифференциальных уравнений. Умею быстро и четко выполнять сложные вычислительные работ
    #Кандидатские #Магистерские
    117 Выполненных работ
    Лидия К.
    4.5 (330 отзывов)
    Образование высшее (2009 год) педагог-психолог (УрГПУ). В 2013 году получено образование магистр психологии. Опыт преподавательской деятельности в области психологии ... Читать все
    Образование высшее (2009 год) педагог-психолог (УрГПУ). В 2013 году получено образование магистр психологии. Опыт преподавательской деятельности в области психологии и педагогики. Написание диссертаций, ВКР, курсовых и иных видов работ.
    #Кандидатские #Магистерские
    592 Выполненных работы
    Петр П. кандидат наук
    4.2 (25 отзывов)
    Выполняю различные работы на заказ с 2014 года. В основном, курсовые проекты, дипломные и выпускные квалификационные работы бакалавриата, специалитета. Имею опыт напис... Читать все
    Выполняю различные работы на заказ с 2014 года. В основном, курсовые проекты, дипломные и выпускные квалификационные работы бакалавриата, специалитета. Имею опыт написания магистерских диссертаций. Направление - связь, телекоммуникации, информационная безопасность, информационные технологии, экономика. Пишу научные статьи уровня ВАК и РИНЦ. Работаю техническим директором интернет-провайдера, имею опыт работы ведущим сотрудником отдела информационной безопасности филиала одного из крупнейших банков. Образование - высшее профессиональное (в 2006 году окончил военную Академию связи в г. Санкт-Петербурге), послевузовское профессиональное (в 2018 году окончил аспирантуру Уральского федерального университета). Защитил диссертацию на соискание степени "кандидат технических наук" в 2020 году. В качестве хобби преподаю. Дисциплины - сети ЭВМ и телекоммуникации, информационная безопасность объектов критической информационной инфраструктуры.
    #Кандидатские #Магистерские
    33 Выполненных работы

    Другие учебные работы по предмету