Разработка методики геоэкологического дешифрирования космических изображений побережья Красного моря Йеменской республики

• Автор: Маен Мохаммед Абдуллах Мутана
• Шифр специальности: 25.00.34
• Научная степень: Кандидатская
• Год защиты: 2010
• Место защиты: Москва
• Количество страниц: 145 с. : ил.

ОГЛАВЛЕНИЕ

Введение
Глава 1. Экологическая характеристика побережья Красного моря на территории Йемена
1.1. Природные экосистемы побережья Красного моря
1.2. Природные- антропогенные экосистемы побережья Красного моря
1.3. Районы критических экологических ситуаций на побережья Красного моря
Глава 2. Сравнительный анализ программного обеспечения, реализующего методы автоматизированного дешифрирования космических изображений
2.1. Особенности систем и методов распознавания в задачах тематической обработки космических изображений
2.2. Автоматизированные методы анализа и обработки данных
2.3. Инструментальные средства, реализующие методы автоматизированного дешифрирования
2.3.1. Программный пакет ERDAS IMAGINE
2.3.2. Программный комплекс ENVI
2.3.3. Линейка продуктов компании Bentley Systems
2.4. Основные космические системы дистанционного зондирования
Глава 3. Исследование спектральных характеристик тестовых участков и выделение классификационных признаков
3.1. Информационные возможности различных спектральных каналов
3.2. Обоснование выбора тестовых участков для разных экосистем
3.3. Спектральные характеристики тестовых участков побережья Красного
моря на территории Йемена по профилю 1-І’
3.4. Спектральные характеристики тестовых участков побережья Красного моря на территории Йемена по профилю П-П’
3.5. Спектральные характеристики тестовых участков побережья Красного
моря на территории Йемена по профилю Ш-IIF
3.6. Основные выводы
3.7. Результаты полевых исследований

Глава 4. Многоуровневый метод дешифрирования природных экосистем побережья Красного моря
4.1. Методы классификации аэрокосмических изображений
4.2. Дешифрирования многозональных спутниковых данных Landsat — 7 на территории в районе г. Салиф
4.3. Сравнительный анализ схем дешифрирования, полученных методом отношений отражательных способностей 1 и 5 каналов и методом гиперпараллелепипедов
Заключение
Список литературы

(неконтролируемая) и специальная. Кроме того, в зависимости от поставленной цели классификация может быть многоклассовой или одноклассовой.
При классификации растрового изображения используется простой подход, согласно которому пиксели изображения, имеющие сходные характеристики (например, подобные спектральные сигнатуры), объединяются в класс. Расширенное понятие классификации (интеллектуальной) включает классификацию методов обработки применительно к классам данных. В результате такой получают классифицированный набор данных и алгоритмов обработки, а также метод построения новых классов.
Классификация без обучения (называемая также неконтролируемой, автоматической или кластер-анализом [30,35] обычно используется, когда имеется информация о том, что исходные наборы данных принадлежат известным классам или подклассам. Неконтролируемая классификация автоматически идентифицирует кластеры подобных данных.
Для простой классификации определяют только входной и выходной наборы данных. После этого программа автоматически выполнит классификацию, используя заданные параметры классов.
Следует отметить наличие двух различных видов классификации без обучения: параметрической и непараметрической. Первая наиболее широко представлена в ГИС-технологиях и различных инструментальных пакетах.