Модели и алгоритмы моделирования интеллектуальной системы автоматического совмещения данных дистанционного зондирования Земли и цифровых карт местности

• Автор: Акинин, Максим Викторович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Рязань
• Количество страниц: 166 с. : ил.

Оглавление

Обозначения и сокращения

Введение

1 Разработка и анализ математической модели процесса совмещения данных ДЗЗ и ЦКМ

1.1 Математическая модель процесса совмещения цифровых карт

местности с данными дистанционного зондирования Земли

1.2 Анализ требований к источникам исходных данных

1.2.1 Анализ требований к данным дистанционного зондирования Земли, получаемых от сенсоров космических аппаратов

1.3 Методы и алгоритмы совмещения цифровых карт местности с

данными дистанционного зондирования Земли

1.3.1 Краткая характеристика существующих методов и алгоритмов совмещения

1.3.2 Методы и алгоритмы совмещения, основанные на использовании искусственных нейронных сетей и нейро-подобных концепций
1.4 Постановка задачи
1.5 Основные результаты
2 Разработка алгоритма моделирования системы искусственного интеллекта, выполняющей совмещение данных ДЗЗ и ЦКМ путем поиска образов объектов, присутствующих на ЦКМ, на спутниковом снимке
2.1 Алгоритм моделирования системы искусственного интеллекта .
2.2 Выделение образов на спутниковом снимке
2.2.1 Структура, принципы обучения и функционирования
2.2.2 Инициализация весов нейронов карты с помощью датчика псевдослучайных чисел. Выбор датчика псевдослучайных чисел
2.2.3 Обучение
2.3 Классификатор

2.3.1 Структура, принципы обучения и функционирования классификатора
2.3.2 Алгоритм построения векторного пространства признаков образов
2.3.3 Машина опорных векторов
2.3.4 Искусственная нейронная сеть прямого распространения без обратных связей
2.4 Поиск соответствий между образами, выделенными на спутниковом снимке, и объектами, присутствующими на ЦКМ
2.5 Основные результаты
3 Разработка алгоритма моделирования системы искусственного интеллекта, выполняющей совмещение данных ДЗЗ и ЦКМ с помощью контурного корреляционного совмещения, основанного на использовании нейросетевой ассоциативной памяти
3.1 Алгоритм моделирования системы искусственного интеллекта .
3.2 Предварительная обработка спутникового снимка
3.2.1 Описание алгоритма
3.2.2 Алгоритм устранения слабых и прерывистых контуров .
3.3 Выделение контуров на спутниковом снимке
3.3.1 Описание алгоритма
3.3.2 Алгоритмы выделения контуров на спутниковом снимке
3.4 Описание контуров
3.5 Поиск совпадений контуров образов на спутниковом снимке с границами объектов на ЦКМ
3.5.1 Структура коррелятора, принципы его обучения и функционирования
3.5.2 Формирование множества пар совпадающих точек
3.6 Основные результаты
4 Экспериментальные исследования возможности использования систем искусственного интеллекта, выполняющих совмещение спутниковых снимков и ЦКМ
4.1 Описание программного стенда
4.2 Порядок проведения экспериментального исследования
4.2.1 Цели экспериментального исследования
4.2.2 Условия проведения экспериментального исследования .
4.2.3 Входные и выходные параметры экспериментального исследования
4.2.4 План проведения экспериментальных исследований
4.3 Результаты экспериментального исследования
4.3.1 Методика анализа результатов экспериментального исследования

4.3.2 Результаты экспериментального исследования
4.4 Основные результаты
Заключение
Литература
А Свидетельства о государственной регистрации программ для ЭВМ

отображаться пространственным преобразованием, они являются ограничением, которому данное пространственное преобразование должно удовлетворять.
В качестве пространственного преобразования, определяющего отображение спутникового снимка на ЦКМ (и, соответственно, опорных точек, выделенных на спутниковом снимке, в соответствующие точки, выделенные на ЦКМ), могут выступать преобразования из группы движения, преобразование подобия, проективное преобразование, аффинное преобразование, трансформация «резинового листа».
Одним из методов, реализующих данный подход, является метод, описанный в [6] и применяемый на первом этапе технологической схемы пространственной привязки спутниковых снимков по ЦКМ, описанной в [6], для выполнения первоначального (грубого) совмещения. Данный метод состоит в выделении пар опорных точек вручную оператором ГИС, после чего система выполняет расчет результирующего преобразования.
Недостатком данного метода является его неавтономность из-за необходимости присутствия оператора, выполняющего простанов опорных точек на спутниковом снимке и ЦКМ. В отличии от данного метода совмещения, методы, разработанные в рамках настоящего диссертационного исследования, являются полностью автоматическими.
Методы совмещения, основанные на полуавтоматическом и автоматическом поиске на спутниковом снимке и ЦКМ особых точек
Развитием методов, основанных на выделении множества опорных точек, являются методы, решающие задачу выделения опорных точек полуавтоматически или полностью автоматически.
Полуавтоматические методы совмещения выполняют выделение множества опорных точек, верификацию которого производит оператор вручную. Данные методы реализованы в большинстве современных ГИС (например, в Erdas Imagine) и являются достаточно популярными, однако не позволяют выполнять автоматическое совмещение данных ДЗЗ и ЦКМ.
Методом совмещения, предполагающим полуавтоматическое выделение на спутниковом снимке множества опорных точек, является метод, описанный в [7] и основанный на построении множества опорных точек по наземным ориентирам (в [7] в качестве такового ориентира выступает вагон - лаборатория). Данный метод предполагает поиск на спутниковом снимке объектов, точные координаты которых на ЦКМ известны заранее, формирование из точек, соответствующих данным объектам, множества опорных точек и расчет по сформированному множеству результирующего преобразования.
Для достижения полной автоматизации процесса совмещения данных ДЗЗ и ЦКМ применяется несколько подходов - в частности, часто реализуется под-