Метод и алгоритмы обработки информации с гиперспектрометров при дешифровке наземных объектов, страница 3
Описание файла
Документ из архива "Метод и алгоритмы обработки информации с гиперспектрометров при дешифровке наземных объектов", который расположен в категории "". Всё это находится в предмете "технические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве МГТУ им. Н.Э.Баумана. Не смотря на прямую связь этого архива с МГТУ им. Н.Э.Баумана, его также можно найти и в других разделах. Архив можно найти в разделе "остальное", в предмете "диссертации и авторефераты" в общих файлах, а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата технических наук.
Онлайн просмотр документа "Метод и алгоритмы обработки информации с гиперспектрометров при дешифровке наземных объектов"
Текст 3 страницы из документа "Метод и алгоритмы обработки информации с гиперспектрометров при дешифровке наземных объектов"
Рис. 9 Результат обработки гиперспектрального снимка с помощью программного обеспечения DESH.
После сравнения результатов видно, что расхождение при определении пород составило лишь один процент, лен и лен с сорняками определились стопроцентно. Наибольшее расхождение получилось при определении лесополосы, но это произошло из-за того, что данных о породах, попавших в лесополосу, предоставлено не было.
Для сравнения результатов данный снимок был обработан тремя наиболее распространенными методами. Результаты обработки этих методов и полученного метода представлены ниже в таблице 3.
Таблица 3 Результат обработки новым и существующими методами дешифровки
Количество правильно определенных пород % | |
Разрешающая способность(DESH)% | 95 |
Разрешающая способность(NDVI)% | 37 |
Разрешающая способность методов кластерного анализа | 59 |
Разрешающая способность статистических методов % | 35 |
Таким образом, данные таблицы №3 показывают, что эффективность разработанных методов и алгоритмов превосходит существующие методы.
Заключение.
К основным результатам работы можно отнести следующее:
1. Проведен анализ состояния текущих технических средств и существующих методов дистанционного зондирования земли из космоса в мире, и России в частности, с выявлением конкретных недостатков.
2. Предложен новый способ представления гиперспектральных данных на основе n-мерного пространства и новый способ обработки гиперспектральных снимков, применение которых, обеспечивает:
- Использование всей информации гиперспектральных данных, поступающих со снимка.
- Устранение негативного влияния внешних факторов при обработке снимка.
- Создание автоматизированной системы дешифрирования и устранение зависимости процесса обработки от квалификации дешифровщика.
- Разработаны метод и алгоритмы по оптимизации и структурированию гиперспектральных данных с целью повышения информативности.
- Разработаны алгоритмы для решения проблемы негативного влияния среды при обработке гиперспектральных снимков.
3. На основе разработанных метода, алгоритмов и исследований создано программное обеспечение.
4. Проведена статистическая оценка качества алгоритмов, метода и программного обеспечения на основе оценки допустимой погрешности и устойчивости метода к внешним изменениям на модельном снимке.
5. Проведена проверка эффективности разработанных метода и алгоритмов на натурном снимке.
ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ
1. *Галкин Ю.С., Шалаев В.С., Батырев Ю.П., Потапов В.Н., Семенова В.П., Эсаналиев Ч.Д. Определение по космическим снимкам биометрических и продукционных характеристик растительности // Вестник Московского государственного университета леса - Лесной вестник. - 2009 № 6(69) с.20-24.
2. *Галкин Ю.С., Шалаев В.С., Батырев Ю.П., Потапов В.Н., Семенова В.П., Эсеналиев Ч.Д. Особенности применения лесотаксационной информации при тестировании космических снимков // Вестник Московского государственного университета леса - Лесной вестник. – 2010 № 7(76) с. 37-39.
3. *Галкин Ю.С., Шалаев В.С., Батырев Ю.П., Потапов В.Н., Эсеналиев Ч.Д. Метод Обработки информации с гиперспектрометров для оперделения породы растительности при дистанционном мониторинге // Вестник Московского государственного университета леса - Лесной вестник. – 2011 №7(83) с. 79-82
4. *Галкин Ю.С., Шалаев В.С., Батырев Ю.П., Потапов В.Н., Эсеналиев Ч.Д. Методы амплитудной селекции спектральных максимумов при определении породного состава лесов // Вестник Московского государственного университета леса - Лесной вестник. – 2011 №7(83) с. 83-86.
5. *Галкин Ю.С., Потапов В.Н. Обработка модели гиперспектрального снимка с использованием дополнительных дешифровочных признаков. // Вестник Московского государственного университета леса - Лесной вестник. – 2012 №7 (90) с.41-45.
* Научная работа, опубликована в ведущем рецензируемом журнале, определенном ВАК.