Разработка методов и алгоритмов кластеризации мультиспектральных данных дистанционного зондирования земли

• Автор: Вершовский, Евгений Алексеевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2010
• Место защиты: Таганрог
• Количество страниц: 176 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
1 СИСТЕМНЫЙ АНАЛИЗ ОБРАБОТКИ МУЛЬТИСПЕКТРАЛЬНОЙ ИНФОРМАЦИИ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ
1.1 Обзор систем обработки мультиспектральной информации дистанционного зондирования Земли

1.2 Стратегии интерпретации мультиспектральной информации

дистанционного зондирования Земли.

1.3 Формулировка проблемной ситуации

1.4 Выводы.

2 РАЗРАБОТКА МЕТОДА СОКРАЩЕНИЯ РАЗМЕРНОСТИ И УСИЛЕНИЯ КЛАССИФИКАТОРА

2.1 Определение цели разработки и критериев ее достижения.

2.2 Пространственный анализ спектральных каналов

2.3 Поиск оптимального варианта решения.
2.3.1 Отбор информативных спектральных каналов
2.3.2 Гистограммное усиление классификатора.
2.3.3 Усиление классификатора вегетационным индексированием
2.4 Выводы
3 РАЗРАБОТКА АЛГОРИТМОВ ОБРАБОТКИ МУЛЬТИСПЕКТРАЛЬНОЙ ИНФОРМАЦИИ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ
3.1 Определение цели разработки и критериев ее достижения.
3.2 Кластерный анализ мультиспектрального снимка
3.3 Поиск оптимального варианта решения.
3.3.1 Разработка дивизимного алгоритма кластеризации
3.3.2 Разработка алгоритма роевой кластеризации.
3.4 Выводы.
4 РАЗРАБОТКА МЕТОДА ОЦЕНКИ ТОЧНОСТИ КЛАСТЕРИЗАЦИИ
4.1 Определение цели разработки и критериев ее достижения
4.2 Стратегии сравнения результатов
4.3 Поиск оптимального варианта решения
4.4 Выводы.
5 ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ РАЗРАБОТАННЫХ МЕТОДОВ И АЛГОРИТМОВ ОБРАБОТКИ МУЛЬТИСПЕКТРАЛЬНОЙ ИНФОРМАЦИИ.
5.1 Планирование экспериментов.
5.2 Анализ метода сравнительной оценки точности кластеризации
5.3 Анализ метода усиления классификатора
5.4 Анализ дивизимного алгоритма кластеризации.
5.5 Анализ алгоритма роевой кластеризации
5.6 Выводы.
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ


РФФИ № 8-а "Разработка новых принципов извлечения знаний на основе распределенных алгоритмов генетического программирования и роевого интеллекта" (- гг. Интеллектуальные системы обработки информации и могокритериального управления». Бюро Кадастра Таганрога» (см. I), одним из приоритетных профильных направлений которой является обработка данных дистанционного зонального зондирования Земли. Существующие методы и алгоритмы автоматической обработки мультиспектральной информации и дешифрирования данных дистанционного зондирования Земли не дают удовлетворительных результатов в рамках последующей обработки и принятия решений, в связи с чем дальнейшее развитие методов и алгоритмов автоматической обработки информации дистанционного зондирования Земли является актуальной научной задачей. Существующие способы сравнительной оценки алгоритмов кластеризации мультиспектральных изображений в условиях отсутствия эталонных кластеризационных карт и схожих вычислительных характеристик могут быть существенно расширены и дополнены методом сравнительной оценки точности кластеризации, позволяющим проводить сравнительный анализ результатов любых алгоритмов кластеризации. Добиться существенного снижения размерности пространства исходных многомерных данных дистанционного зондирования Земли, а также обеспечить усиление классификатора при дальнейшей кластеризации данных можно на основе применения метод усиления классификатора, использующего комбинацию линейного контрастирования и вегетационного индексирования спектральных каналов мультиспектрального аэрокосмического снимка. При наличии выделенных технических средств достаточной мощности для задачи автоматической ¦ обработки, данных дистанционного зондирования Земли целесообразно использовать алгоритм кластеризации данных дистанционного • зондирования оптимизацией роя частиц, позволяющий добиться, значительного повышение точности кластеризации данных дистанционного зондирования Земли, по сравнению с классическими алгоритмами ISODATA и K-means. Программное обеспечение «RSMDClus», • реализующее разработанные методы и алгоритмы, в отличие от известных систем, таких как ERD AS. Imagine и ENVI, ориентированных только на применение алгоритмов K-means и ISODATA без возможностей усиления, классификатора и сокращения размерности исходных данных в автоматическом режиме, позволяет проводить более точную автоматическую . Земли. По результатам диссертационных исследований имеется публикаций (вместе с тезисами докладов). Из них, 3 статьи в издании из списка ВАК [-], 4 статьи [-], 1 труд в материалах Международных конференций []. Имеется свидетельство об официальной регистрации программы для ЭВМ № []. Также результаты диссертационных исследований вошли в учебно-методическое' пособие по* программированию алгоритмов распознавания изображений в интерактивной среде MatLab []. V Ежегодной научной конференции студентов и аспирантов базовых кафедр Южного научного центра РАН, г. Ростов-на-Дону, 8- апреля г. V Всероссийской конференции "Технологии Microsoft в теории и практике программирования", г. Таганрог, - марта г. Всероссийской научной школе-семинаре студентов, аспирантов и молодых ученых «Интеллектуализация информационного поиска, скантехнологии и электронные библиотеки», г. Таганрог , г. VII Всероссийской научной конференции молодых ученых, аспирантов и студентов "Информационные технологии, системный анализ и управление", г. Таганрог, г. VIII Всероссийской научной конференции молодых ученых, аспирантов и студентов "Информационные технологии, системный анализ и управление", г. Таганрог, г. II Всероссийской научно-практической конференции «Перспективы развития информационных технологий», Новосибирск, г. Всероссийской научно-технической конференции с между народным участием: “Компьютерные и информационные технологии в науке, инженерии и управлении”, г. Структура и объем работы. Диссертация состоит из введения, пяти глав и заключения, изложенных на 3 страницах машинописного текста ( 6 страницы вместе с приложениями), иллюстрированного графиками и рисунками, библиографии, включающей 5 наименований.