Інтелектуальна обробка просторових даних в ГІС ландшафтно-екологічного моніторингу
DOI:
https://doi.org/10.30837/bi.2020.2(95).06Ключові слова:
ЕКОЛОГІЧНИЙ МОНІТОРИНГ, НЕЙРОМЕРЕЖЕВА ОБРОБКА ЗОБРАЖЕНЬ, СЕГМЕНТАЦІЯ, ГЕНЕТИЧНА ОПТИМІЗАЦІЯ, АВТОЕНКОДЕРАнотація
Пропонується підхід до створення модульних підсистем інтелектуальної обробки і стиснення просторових даних в складі ГІС ландшафтно-екологічного моніторингу. Визначено функції та методи реалізації завдань цих підсистем. До основних модулів належать: модуль попередньої обробки просторових даних з формуванням оцифрованих зображень; модуль сегментації зображень та виділення контурів; модуль категорійної класифікації зображень ландшафтних об’єктів; модуль стиснення зображень з використанням фрактальної моделі та генетичного алгоритму; модуль стиснення та відновлення зашумлених оцифрованих зображень з використанням шумопригнічуючого автоенкодера.Посилання
Зацерковний В. І. Геоінформаційні системи і бази даних: монографія. – Кн. 2 / В. І. Зацерковний, В. Г. Бурачек, О. О. Железняк, А. О. Терещенко. – Ніжин :НДУ ім. М. Гоголя, 2017. – 237 с.
Бондар О.І. та ін. Моніторинг стану навколишнього середо- вища засобами ГІС / О.І. Бондар та ін.. // К. : ДЕА (Державна екологічна академія), 2018. – 52 с.
Gonzalez R.C. Digital Image Processing / R.C. Gonzalez, R.E. Woods // 4th edition Pearson/Prentice Hall, 2018. – 1168 р.
Kussul N. Land Cover Changes Analysis Based on Deep Machine Learning Technique / N. Kussul, N. Lavreniuk, A. Shelestov, B. Yailymov B. et al. // Journal of Automation and Information Sciences. – 2016. – Vol. 48. No. 5. – P.42-54.
Hnatushenko V.V. Satellite Monitoring of Consequences of Illegal Extraction of Amber in Ukraine / V.V. Hnatushenko, D.K. Mozgovyi, V.V. Vasyliev, O.O. Kavats // Scientific bulletin of National Mining University. State Higher Educational Institution National Mining University [6] Луньова О.В. Методологічні засади застосування ортотранс- формованих космічних знімків для оцінки стану навколиш- нього середовища та програмне забезпечення досліджень / О.В. Луньова, О.В. Буглак // Український журнал дистанційного зондування Землі – 2019. № 22. – С.27–34
Sikorskiy O. Сonvolutional neural networks in image classification / O. Sikorskiy // Information Innovative Technologies – 2017. – №1.– P. 397-401.
McCann M. Convolutional neural networks for inverse problems in imaging / M. McCann, K. Jin., M Unser //: A review //IEEE Signal Processing Magazine. – 2017. – V. 34. – №. 6. – P. 85-95.
Шамраев А.А. Метод компьютерной обработки цифровых аэро- фотоснимков / А.А. Шамраев, Е.О. Шамраева, О.Б. Дудинова // Системи обробки інформації. – 2014. – Вип. 7(123). – С.168-171.
Дудинова О.Б. Метод нейросетевой обработки зашумленных пространственных данных / О.Б. Дудинова, С.Г. Удовенко // Автоматизированные системы управления и приборы автоматики. – 2015. – Вып.173. – С. 14 – 23.
Дудинова О.Б. Компьютерный анализ пространственных изо- бражений с применением марковских моделей/ О.Б. Дудинова, С.Г. Удовенко // Бионика интеллекта. – 2017. – Вып. 1 (88). – С. 75-79.
Дудинова О.Б. Метод категорийной классификации объектов при компьютерном анализе аэроснимков / О.Б. Дудинова // Системи обробки інформації. – 2016. – Вып. 7 (144). – С. 36-44.
Дудинова О.Б. Гибридный метод сжатия растровых данных в системе экологического мониторинга / О.Б. Дудинова, С.Г. Удовенко // Бионика интеллекта. – 2016. – Вып. 1 (86). – С. 76-80.
Bezsonov O. Processing of noisy digital images with use of evolving autoencoders / O. Bezsonov, O. Rudenko, S. Udovenko, O. Dudinova // Eastern-European Journal of Enterprise Technologies. – V. 6/9(90). – 2017. – P. 63-69.
