Інтелектуальна обробка просторових даних в ГІС ландшафтно-екологічного моніторингу

Автор(и)

DOI:

https://doi.org/10.30837/bi.2020.2(95).06

Ключові слова:

ЕКОЛОГІЧНИЙ МОНІТОРИНГ, НЕЙРОМЕРЕЖЕВА ОБРОБКА ЗОБРАЖЕНЬ, СЕГМЕНТАЦІЯ, ГЕНЕТИЧНА ОПТИМІЗАЦІЯ, АВТОЕНКОДЕР

Анотація

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.

Біографії авторів

О.Б. Дудінова , Харківський національний університет радіоелектроніки

Харківський національний університет радіоелектроніки

С.Г. Удовенко, Харківський національний університет радіоелектроніки

Харківський національний університет радіоелектроніки

Л.Е. Чала, Харківський національний університет радіоелектроніки

Харківський національний університет радіоелектроніки

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.

##submission.downloads##

Опубліковано

2020-12-02