+7 (800) 505-67-97

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

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

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

    Последние выполненные заказы

    т2732 речь и презентация к заказу Перспективы внешнеэкономического сотрудничества России и КНР
    Спасибо огромное за качественную работу!
    "Стратегия внедрения цифровых технологий в управление цепями поставок на примере ПАО "Транснефть""
    Большое спасибо автору! В установленные сроки полностью выполнен объем работы...
    Развитие образовательных комплексов города Москвы в современных социально-экономических условиях
    Работа была выполнена качественно и в установленный срок. Буду еще обращаться...
    Новое задание по государственному и муниципальному управлению
    Добрый день! Очень доволен работой, большое спасибо, что помогаете в написани...
    Особенности пересмотра судебных актов в арбитражном суде апелляционной инстанции
    Доволен работой автора
    "Наследование по закону в романо-германской и англо-саксонской правовых семьях: сравнительно-правовые аспекты"
    Хочу сказать огромное спасибо Вячеславу! Отвечал на все вопросы, вносил правк...

    Хочешь уникальную работу?

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

    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
    Екатерина С. кандидат наук, доцент
    4.6 (522 отзыва)
    Практически всегда онлайн, доработки делаю бесплатно. Дипломные работы и Магистерские диссертации сопровождаю до защиты.
    Практически всегда онлайн, доработки делаю бесплатно. Дипломные работы и Магистерские диссертации сопровождаю до защиты.
    #Кандидатские #Магистерские
    1077 Выполненных работ
    Дмитрий К. преподаватель, кандидат наук
    5 (1241 отзыв)
    Окончил КазГУ с красным дипломом в 1985 г., после окончания работал в Институте Ядерной Физики, защитил кандидатскую диссертацию в 1991 г. Работы для студентов выполня... Читать все
    Окончил КазГУ с красным дипломом в 1985 г., после окончания работал в Институте Ядерной Физики, защитил кандидатскую диссертацию в 1991 г. Работы для студентов выполняю уже 30 лет.
    #Кандидатские #Магистерские
    2271 Выполненная работа
    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
    Мария Б. преподаватель, кандидат наук
    5 (22 отзыва)
    Окончила специалитет по направлению "Прикладная информатика в экономике", магистратуру по направлению "Торговое дело". Защитила кандидатскую диссертацию по специальнос... Читать все
    Окончила специалитет по направлению "Прикладная информатика в экономике", магистратуру по направлению "Торговое дело". Защитила кандидатскую диссертацию по специальности "Экономика и управление народным хозяйством". Автор научных статей.
    #Кандидатские #Магистерские
    37 Выполненных работ
    Ольга Б. кандидат наук, доцент
    4.8 (373 отзыва)
    Работаю на сайте четвертый год. Действующий преподаватель вуза. Основные направления: микробиология, биология и медицина. Написано несколько кандидатских, магистерских... Читать все
    Работаю на сайте четвертый год. Действующий преподаватель вуза. Основные направления: микробиология, биология и медицина. Написано несколько кандидатских, магистерских диссертаций, дипломных и курсовых работ. Слежу за новинками в медицине.
    #Кандидатские #Магистерские
    566 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
    Логик Ф. кандидат наук, доцент
    4.9 (826 отзывов)
    Я - кандидат философских наук, доцент кафедры философии СГЮА. Занимаюсь написанием различного рода работ (научные статьи, курсовые, дипломные работы, магистерские дисс... Читать все
    Я - кандидат философских наук, доцент кафедры философии СГЮА. Занимаюсь написанием различного рода работ (научные статьи, курсовые, дипломные работы, магистерские диссертации, рефераты, контрольные) уже много лет. Качество работ гарантирую.
    #Кандидатские #Магистерские
    1486 Выполненных работ
    Кормчий В.
    4.3 (248 отзывов)
    Специализация: диссертации; дипломные и курсовые работы; научные статьи.
    Специализация: диссертации; дипломные и курсовые работы; научные статьи.
    #Кандидатские #Магистерские
    335 Выполненных работ

    Другие учебные работы по предмету