Search academic texts

Information × Registration Number 0416U005489, Candidate dissertation Status к.т.н. Date 06-12-2016 popup.evolution o Title Methods for hyperspectral satellite image supervised classification under training samples of limited quality Author Alpert Sofia Ioganivna, popup.head Popov Mikhail A. popup.opponent Різник Олександр Михайлович popup.opponent Зайцев Олександр Вікторович popup.opponent Жук Сергій Якович Description Метою дисертаційної роботи є підвищення точності контрольованого класифікування гіперспектральних космічних зображень (ГКЗ) в умовах навчальних вибірок обмеженої якості, зокрема, в умовах їхньої забрудненості та малої кількості складових елементів. Проведено огляд методів і алгоритмів класифікування космічних зображень і показано, що сучасні алгоритми контрольованої класифікації ГКЗ достатньо чутливі до характеристик навчальних вибірок. Тому була сформульована задача розробити і обґрунтувати нові методи контрольованого класифікування ГКЗ, ефективні в ситуаціях, коли навчальна вибірка є забрудненою, в тому числі сильно, а її обсяг є обмеженим. Математичною платформою для нових методів контрольованого класифікування гіперспектральних зображень є апарат і положення теорії свідчень Демпстера-Шейфера. Запропоновано новий метод класифікування ГКЗ в умовах забруднення навчальних вибірок. Метод відрізняється від відомих розв'язків однойменних задач введенням процедури оцінювання класифікаційної цінності спектральних каналів за допомогою спеціальної емпіричної функції і особливим способом розбиття спектрального ознакового простору, що дозволяє застосовувати лише найбільш інформативні спектральні канали. Також запропоновано новий метод контрольованого класифікування гіперспектральних зображень, що є ефективним в умовах забруднення навчальних вибірок та обмежень на їх об'єм. Обидва розроблені методи контрольованого класифікування ГКЗ реалізовані алгоритмічно та програмно. Оцінювання ефективності розроблених методів проводилось із використанням реальних космічних зображень, отриманих гіперспектральною знімальною апаратурою Hyperion/EO-1. Результати досліджень та розрахунків вказують на досить високу точність запропонованих методів контрольованого класифікування. Проведені порівняльні оцінки показали, що запропоновані методи є точнішими за відомий метод опорних векторів (Support Vector Machine) і алгоритм класифікування об'єктів за їх спектрально-топологічними характеристиками. Запропоновані методи можуть бути використані при комп'ютерному аналізі гіперспектральних і багатоспектральних космічних знімків в задачах пошуку корисних копалин, при вирішенні природоресурсних та екологічних задач тощо. Registration Date 2016-12-06 popup.nrat_date 2020-04-03 Close