Search academic texts

Information × Registration Number 0824U003503, PhD dissertation Status Доктор філософії Date 29-08-2024 popup.evolution . Title Information technology for pre-processing and classification of multi-time satellite images of high spatial resolution Author Olga S. Shevtsova, popup.head Gnatushenko Volodymyr V. popup.opponent Kateryna Ostrovska popup.opponent SERGII MASHTALIR popup.review Kateryna L. Sergieieva popup.review Larysa S. Koriashkina Description В дисертаційному дослідженні розв’язана важлива науково-прикладна задача підвищення точності, рівня автоматизації та швидкодії розпізнавання та класифікації зображень високої просторової розрізненості шляхом розробки інформаційних технологій і методів обробки з використанням машинного навчання. Дисертація складається зі вступу, чотирьох розділів, висновків, списку використаних джерел та додатків. Повний обсяг дисертації – 165 сторінок; список використаних джерел зі 136 найменувань, 2 додатків. Робота проілюстрована 40 рисунками та містить 12 таблиць. У вступі обґрунтовано актуальність теми, сформульовані мета і завдання досліджень, визначені методи досліджень, дана загальна характеристика роботи і структура дисертації, визначені наукова новизна, практичне значення проведених наукових досліджень та особистий внесок автора, оцінена достовірність отриманих результатів, наведені відомості про публікації та результати апробації та впровадження роботи. У першому розділі розглянуто сучасний стан розвитку методів і технологій попередньої обробки та класифікації різночасових супутникових даних високої просторової розрізненості і відповідного існуючого математичного та програмного забезпечення, яке використовується для розробки подібних технологій. Проаналізовані методи, що базуються на штучному інтелекті, сучасні підходи глибокого навчання та останні тенденції у розвитку штучних нейронних мереж. Проведений аналіз сучасного стану проблеми попередньої обробки та класифікації зображень дистанційного зондування Землі високого просторового розрізнення та аналіз літературних джерел виявили неефективність застосування існуючих методів, що веде до численних похибок класифікації, та визначили низку нерозв’язаних питань, зокрема відсутність автоматизованих інформаційних технологій, які дозволяють проводити класифікацію багатоспектральних різночасових супутникових зображень високої просторової розрізненості у реальному режимі часу. Існуючі рішення, як правило, є дороговартісними, трудомісткими та з використанням ручного дешифрування. Сформульовані висновок та постановка завдання про необхідність розробки комплексної інформаційної технології попередньої обробки, аналізу та класифікації супутникових зображень. У другому розділі здійснено аналіз проблеми та сучасних підходів обробки великих даних дистанційного зондування Землі. Надані основні поняття й визначення, що використовуються для її розв’язання. Описано властивості організації даних, що дозволяють передбачити результат виконання певних операцій в структурі за її елементами, використовуючи їх розташування без виконання обчислювального алгоритму. Отримано висновки про вплив властивостей та математичних методів роботи зі структурою. Запропоновано та доведено ефективність методу оптимізації основних характеристик обробки великих даних на основі застосування кортежної структури організації даних, який дозволяє зменшити обсяг оброблюваної інформації, підвищити швидкості пошуку та обробки даних при збереженні їх відповідних значень та надійності. Запропоновано та доведено ефективність IaaS-рішення для обробки потоку даних дистанційного зондування на основі глибокого навчання та хмарних технологій Kubernetes та Apache Airflow, розміщених на платформі Google Cloud Platform. Запропонований алгоритм представлений у вигляді напрямного ациклічного графа у застосунку IaaS. Registration Date 2024-12-10 popup.nrat_date 2024-12-10 Close