Розпізнавання будівель на супутникових зображеннях надвисокої роздільної здатності за допомогою нейронних мереж
| dc.contributor.author | Надеран, Світлана Володимирівна | |
| dc.contributor.degreedepartment | Кафедра математичних методів системного аналізу | uk |
| dc.contributor.degreefaculty | Навчально-науковий комплекс «Інститут прикладного системного аналізу» | uk |
| dc.contributor.degreegrantor | Національний технічний університет України «Київський політехнічний інститут» | uk |
| dc.date.accessioned | 2015-11-25T10:21:55Z | |
| dc.date.available | 2015-11-25T10:21:55Z | |
| dc.date.issued | 2015 | |
| dc.description.abstracten | Dissertation for a Ph.D. degree. in specialty 05.13.23 – Systems and Means of Artificial Intelligence – National Technical University of Ukraine “Kiev Polytechnic Institute”, Kiev, 2015. Object detection and extraction from high-resolution satellite imagery has becoming an important research topic in the field of photogrammetry and remote sensing. Geospatial data like buildings is one of the most critical feed of a GIS database. The dissertation is devoted to the development of methods and techniques for Automatic building extraction from high-resolution satellite imagery, aimed at enhancement of efficiency of object recognition and image segmentation. Analysis of satellite imagery is regarded in the consideration of an object-oriented approach and consists of the stage of object segmentation with subsequent recognition. The approach presented an image segmentation approach based on combination of image segmentation techniques and fuzzy c-means clustering and morphological image processing. The study proposes a neuro-fuzzy classifier that provides ranking of possible results by preferences and to increases recognition efficiency. In addition, the approach presents a genetic algorithm for learning purpose with using a Gaussian function as membership function. The experiment performed has shown the strength of the neuro-fuzzy classifier to recognize buildings from satellite imageries. | uk |
| dc.description.abstractru | Диссертация на соискание учёной степени кандидата технических наук по специальности 05.13.23 – системы и средства искусственного интеллекта. - Национальный технический университет Украины «Киевский политехнический институт», Киев, 2015. Диссертация посвящена разработке методов сегментации и распознавания зданий на спутниковых изображениях сверхвысокого разрешения с целью повышения эффективности автоматизированного обнаружения объектов на мультиспектральных снимках. Процесс анализа спутниковых изображений рассматривается с точки зрения объектно-ориентированного подхода и состоит из этапа выделения объектов на изображении и их распознавания. Проведен сравнительный анализ различных методов сегментации изображений применительно к задаче обнаружения зданий на спутниковых изображениях. Предложен метод сегментации спутниковых изображений, основанный на использовании комбинации методов сегментации и нечеткой кластеризации, позволяющий найти компромисс между чрезмерной и недостаточной сегментацией. Для повышения качества сегментации применяется морфологическая обработка, которая обеспечивает уменьшение количества анализируемых областей за счет слияния сегментов и удаления несущественных фрагментов с точки зрения рассматриваемой задачи. Предложено множество информативных признаков, используемое для построения базы правил нечеткого классификатора NEFCLASS и обеспечивающее повышение качества классификации за счет разбиения класса объектов «здания» на непересекающиеся подклассы (здания со скатной, купольной и плоской крышей), имеющие различные геометрические характеристики. Выделен информативный признак, основанный на цветовой модели HSV и использующий показатель насыщенности цвета для характеристики объектов спутниковых изображений, позволяющий отличить верхнюю конструкцию зданий от теней и объектов, имеющих растительную и водную поверхность. Разработан метод распознавания зданий на спутниковых изображениях, основанный на использовании предложенного набора информативных признаков и модификации метода классификации нечеткой нейронной сети, которая позволяет определить степень соответствия входного образца выходным классам, что обеспечивает ранжирование возможных решений по предпочтительности и повышает эффективность распознавания. По результатам проведенного сравнительного анализа алгоритмов обучения ННС NEFCLASS предложено применять генетический алгоритм обучения параметров функций принадлежности для повышения эффективности распознавания. Предложенные в диссертационной работе методы сегментации и распознавания реализованы в виде информационной технологии, которая обеспечивает решение задачи автоматизированного обнаружения зданий на спутниковых изображениях сверхвысокого разрешения. Предложена сервис-ориентированная архитектура информационной системы, обеспечивающая надежную защиту от несанкционированного доступа к данным, быстродействие, эффективное решение задачи интеграции с другими ИС, удобный доступ к корпоративной информации для различных групп пользователей. Выполнены экспериментальные исследования разработанной информационной технологии с использование фактических данных. В результате получено среднее значение количества правильно распознанных зданий равное 84%. | uk |
| dc.description.abstractuk | Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.23 - Системи та засоби штучного інтелекту. - Національний технічний університет України «Київський політехнічний інститут», Київ, 2015. Дисертація присвячена розробці методів сегментації та розпізнавання будівель на супутникових зображеннях надвисокої роздільної здатності з метою підвищення ефективності автоматизованого виявлення об'єктів на мультиспектральних знімках. У роботі запропоновано метод сегментації супутникових зображень, заснований на використанні комбінації методів сегментації та нечіткої кластерізації із застосуванням морфологічної обробки, який дозволяє підвищити адекватність тематичної сегментації. Розроблено метод розпізнавання будівель на супутникових зображеннях, заснований на використанні запропонованої множини інформативних ознак та модифікації алгоритму класифікації нечіткої нейронної мережі, яка дозволяє визначити ступінь відповідності вхідного зразка вихідним класам, що забезпечує ранжування можливих рішень за перевагою та підвищує ефективність розпізнавання. Запропоновані у дисертаційній роботі методи сегментації та розпізнавання реалізовані у вигляді інформаційної технології, яка забезпечує вирішення задачі автоматизованого виявлення будівель на супутникових зображеннях надвисокої роздільної здатності. | uk |
| dc.format.page | 20 с. | uk |
| dc.identifier.uri | https://ela.kpi.ua/handle/123456789/13995 | |
| dc.language.iso | uk | uk |
| dc.publisher | Національний технічний університет України «Київський політехнічний інститут» | uk |
| dc.publisher.place | Київ | uk |
| dc.status.pub | published | uk |
| dc.subject.udc | 004.932.72'1 | uk |
| dc.title | Розпізнавання будівель на супутникових зображеннях надвисокої роздільної здатності за допомогою нейронних мереж | uk |
| dc.type | Other | uk |
| thesis.degree.level | candidate | uk |
| thesis.degree.name | кандидат технічних наук | uk |
| thesis.degree.speciality | 05.13.23 – системи та засоби штучного інтелекту | uk |