• Nie Znaleziono Wyników

Index of /rozprawy2/10840

N/A
N/A
Protected

Academic year: 2021

Share "Index of /rozprawy2/10840"

Copied!
2
0
0

Pełen tekst

(1)

Spis treści Wstęp 5 1. Dane teledetekcyjne __________________________________ 7 1.1 Dane obrazowe 7 1.1.1 Dane wielospektralne 8 1.1.2 Dane hiperspekłralne 13

1.2 Dane nieobrazowe - spektrometry nieobrazujące 17

2. Zastosowanie obrazów hiperspektralnych - przegląd literatury 19

2.1 Badanie stanu wód 22

3. Stosowana metodyka przetwarzania obrazów hiperspektralnych na tle badań

literaturowych ___________________________________________ 24

3.1 Przetwarzanie wstępne 24

3.1.1 Striping 25

3.1.2 Identyfikacja i usuwanie efektu omie 27

3.2 Korekcja atmosferyczna 28

3.2.1 Kalibracja metodami empirycznymi (względnymi) 30 3.2.1.1 Metoda Lini Empirycznej - Empirical Line 30

3.2.2 Korekcja metodami bezwzględnymi 32

3.3 Redukcja nadwymiarowości danych 34

3.3.1 Selekcja danych 35

3.3.2 Redukcja danych oparta na transformacji 37

3.3.2.1 Analiza głównych sktadowych - PCA (Principial Componentc Analycis) 38 3.3.2.2 Metoda minimalnego szumu - MNF (Minimum Noise Fraction) 40

3.4 Analiza danych metodami klasycznymi 41

3.4.1 Metody nienadzorowane 41

3.4.2 Metody nadzorowane 42

3.5 Analiza danych metodami hiperspektralnymi 43

3.5.1 Pikselowe metody klasyfikacji danych hiperspektralnych 44

3.5.1.1 Spectral Angle Mapper (SAM) 44

3.5.1.2 Dopasowania krzywych spektralnych - Spectral Feature Fitting (SFF) 45 3.5.2 Metody .rozmieszania* spektralnego - spectral unmixing 46

3.5.2.1 Linear Spectral Unmixing (LSU) 47

3.5.2.2 Matched Filtering (MF) i Mixture Tuned Matched Filtering (MTMF) 48 3.5.3 Metodyka przygotowywania bibliotek spektralnych na podstawie danych

obrazowych 48

3.5.3.1 Wskaźnik czystości pikseli - PPI (Pixel Purity Index) 49 3.6 Analiza dokładności wyników ekstrakcji informacji 50

3.6.1 Macierz rozbieżności (confusion matrix) 50

3.6.2 Szacowanie dokładności dla metod podpikselowych 52

3.7 Symulacja sensorów 56

3.7.1 Symulacja funkcją odpowiedzi spektralnej (Spectral Response Function) 58 4. Sformułowanie problemu badawczego, postawienie tezy 60

5. Obszar badań 63

6. Charakterystyka danych _______________________________ 66

6.1 Hiperspektralne dane obrazowe 66

6.2 Dane spektrometryczne 69

7. Metodyka badawcza 73

8. Przetwarzanie obrazu Hyperiona ________________________ 77 8.1 Metodyka przetwarzania wstępnego - usuwanie szumów i zakłóceń 77

(2)

8.2 Wyniki przetwarzania wstępnego 81 8.2.1 Korekcja atmosferyczna (porównanie metod) 83 8.2.2 Wnioski dotyczące wstępnego przetwarzania danych hiperspektralnych 86

8.3 Redukcja nadwymiarowości danych 87

8.3.1 Selekcja danych (feature selection) 87

8.3.2 Redukcja danych oparta na transformacji (feature extraction) 90 8.4 Symulacja obrazów wielospektralnych na podstawie danych hiperspektralnych 92 8.4.1 Symulacja na podstawie doboru zakresów rejestracji kanałów sensorów

wielospektralnych 93

8.4.2 Symulacja funkcją odpowiedzi spektralnej (Spectral Recponce Function) 95

8.5 Ekstrakcja informacji 96

8.5.1 Klasyfikacja metodami tradycyjnymi 96

8.5.2 Zaawansowane metody klasyfikacji obrazów 97

8.5.3 Szacowanie dokładności wyników ekstrakcji informacji 102 9. Wyniki ekstrakcji informacji _______________________________ 105

9.1 Klasyfikacja obrazów metodami klasycznymi 105

9.1.1 Wyniki klasyfikacji obrazów po redukcji 105

9.1.2 Wyniki klasyfikacji obrazów symulowanych 122

9.2 Klasyfikacja obrazów metodami dedykowanymi danym hiperspektralnym 134

9.2.1 Wyniki klasyfikacji pikselowej 135

9.2.1.1 Spectral Angele Mapper 135

9.2.1.2 Spec&al Feature Frtting 141

9.2.2 Wyniki klasyfikacji podpikselowej 144

9.2.2.1 Wyniki klasyfikacji obrazów o zredukowanej liczbie kanałów 146 9.2.2.2 Wyniki klasyfikacji obrazów symulowanych 155 10. Wpływ redukcji kanałów Hyperiona i ALI na dokładność klasyfikacji wody 164

10.1 Metodyka redukcji 165

10.1.1 Redukcja kanałów obrazu hiperspektralnego Hyperion 168 10.1.2 Redukcja kanałów obrazu sensora wielospektralnego ALI 169 10.2 Wyniki klasyfikacji obszaru zbiornika Dobczyckiego 170 10.2.1 Wyniki klasyfikacji obrazów symulowanych 170 10.2.2 Wyniki klasyfikacji po redukcji kanałów Hyperiona 172 10.2.2.1 Wyniki klasyfikacji po redukcji kanałów Hyperiona z podzakresu 4H

(podczerwonego) 175

10.2.3 Wyniki klasyfikacji po redukcji kanałów ALI 178

11. Podsumowanie i wnioski 183

Cytaty

Powiązane dokumenty

W poniższej tabeli przedstawiono rozkład procentowy ich odpowiedzi (gwiazdką oznaczono od- powiedź poprawną). Naj- częściej wybieranym dystraktorem była odpowiedź A –

Uczestnicy przedsięwzięcia – dzieci, młodzież i ich ro- dzice i opiekunowie – będą mogli wziąć udział w krót- kich wykładach, warsztatach praktycznych, zajęciach

Ufam, że wyniki naszych badań choć w niewielkim stopniu przyczynią się do poznania wspaniałego daru języka, który dany jest człowiekowi i wspólnocie dla realizacji

Dysfunctions of the mitochondrial proteins lead to the mitochondrial diseases, which can be caused by muta- tions in mtDNA as well as in the nuclear genes.. Clinical features of

Obawy przed marginalizacją języka, jak i próby wyjaśniania, że będzie on jednym z języków urzędowych w Unii, to najczęściej pojawiające się tematy, które można odnaleźć

Only those countries whose average were significantly lower than the OECD average (Kazakhstan, Turkey, Qatar and the United Arab Emir- ates) showed a higher rate of change then

The aim of this research was to examine how critical thinking at junior high school level can be developed using the Internet as a source of information.. A group of second

Zgodnie z nimi Sarmata to ‘polski szlachcic wywodzący swe pochodzenie od starożytnych plemion, przy- wiązany do dawnych obyczajów’ [WSJP: 741], także ‘Polak starej