Практические аспекты обучения нейронных классификаторов для распознавания объектов на космических снимках высокого разрешения Гамбарова Е.М. НИИ Аэрокосмической. - презентация

1 Практические аспекты обучения нейронных классификаторов для распознавания объектов на космических снимках высокого разрешения Гамбарова Е.М. НИИ Аэрокосмической Информатики, Национальное Аэрокосмическое Агентство, Баку, Азербайджан

2 В работе исследованы принципы обучения нейронного классификатора Многослойный Перцептрон и дана оценка качества его работы для распознавания и классификации объектов на космических снимках высокого разрешения (IKONOS). Работы были проведены для решения реальной прикладной задачи по определению ареалов распространения редких типов растительности, присутствующих на многоспектральном снимке высокого разрешения, полученного со спутника IKONOS. Для экспериментальных исследований был использован многоспектральный снимок юго-восточной части Азербайджана, полученный со спутника IKONOS для участка территории 11×11 км.

3 Космические снимки высокого разрешения и снимки спутника Иконос Диапазон спектров Четырехканальный (красный м, зеленый – м, голубой – м и инфракрасный – м): Пространственное разрешение – 1м Точность горизонтального позиционирования на земной поверхности - до одного метра Точность вертикального позиционирования – до двух метров

4 Исследуемая территория в естественном цвете (R-G-B)

5 Этапы проведения исследований: Определение классификационной схемы; Выбор типа классификаторов; Сбор и составление наборов данных для обучения, оценка годности (репрезентативность, разделяемость, доверительность) данных; Тестирование классификаторов, уточнение и модификация классификационной схемы; Использование матрицы ошибок и параметров качества обучения для анализа качества обучения классификаторов

6 Таблица. Набор классов – 12 типов растительности и почв. Номер класса Полное название растения Класс 1Болотистая тростниковая растительность Класс 2Болотистый кустарниковый тамариск (Tamarix) Класс 3Прибрежная зона: полупустынная растительность Класс 4Тростник ложный австралийский (Phragmaties australis) Класс 5Солянка древовидная ( Salsola ericoides ) Класс 6Солянка гористая (Salsola nodulosa ) Класс 7Солянка гористая (Salsola nodulosa) / Полынь Лерха (Artemesia lerchiana ) Класс 8Солянка гористая (Salsola Nodulosa) / Трава Класс 9Полупустынная растительность - поташник каспийский, (Kalidium capsicum ) Класс 10Полупустынная растительность с доминированием Верблюжьей колючки (Alhagi pseudoalhagi) Класс 11Голая почва Класс 12Солянка гористая (Salsola nodulosa) / голая почва

7 Были выбраны две классификационные схемы – первоначальная и модифицированная – и проведена процедура обучения МСП по этим двум схемам. После проведения процедуры обучения была осуществлена автоматическая классификация по всей сцене, охватываемой космоснимком (многоспектральный снимок со спутника Ikonos, 110 км2) для распознавания объектов из соответствующих классов. В данной работе мы исследовали два совмещенных тематических растра и использовав возможности символизации ГИС для акцентирования различий при показе всей сцены, мы выделили 2 фрагмента, где были выявлены и определены особенности пространственного распространения исследуемых объектов.

8 Результаты классификации-неклассифицированные пиксели представлены красным цветом. а) по 5-ти классовой классификационной схемеб) по 12-ти классовой классификационной схеме