Вісники та науково-технічні збірники, журнали
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12
Browse
3 results
Search Results
Item Особливості класифікації космічних зображень для ідентифікації лісів Прикарпатського регіону(Видавництво Львівської політехніки, 2022-06-14) Бурштинська, Х.; Декалюк, Я.; Заяць, І.; Burshtynska, Kh.; Dekaliuk, Ya.; Zayats, I.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityМета цієї роботи – дослідження ефективності використання контрольованої класифікації для ідентифікації лісової рослинності за космічними зображеннями високої розрізненості; ідентифікації здорової, повністюзасохлої та пошкодженої засиханням хвойної рослинності. Методика полягає у дослідженні впливу вибору кількості сигнатур для контрольованої класифікації на основі параметричного правила максимальної вірогідності за знімком високого розрізнення, який отримано зі знімальної системи GeoEye1. Результати. Дослідження виконано на основі аналізу статистичних характеристик спектральних яскравостей пікселів, що дає змогу зробити висновок про пріоритетність сигнатур того чи іншого розміру. Створені класифіковані зображення для двох випадків вибраних розмірів сигнатур за тестовими ділянками дають змогу оцінити точність площ вибраних класів. Наукова новизна та практична значущість. Новизною отриманих результатів роботи є дослідження розмірів навчальних вибірок для проведення контрольованої класифікації космічних зображень за методом максимальної вірогідності. Метод контрольованої класифікації за правилом максимальної вірогідності дає змогу ідентифікувати різні об’єкти, характерні для площ, зайнятих лісовою рослинністю. Використовуючи правильний вибір сигнатур та їх розташування на знімку, можна визначати тип лісових об’єктів, зокрема категорії хвойної рослинності: здорова, пошкоджена та суха, які мають складні спектральні яскравості. Тобто формування навчальних вибірок для класифікації лісових об’єктів із змішаними спектральними характеристиками потребує додаткового дослідженняItem Методика двоетапної класифікації лісів за космічними зображеннями високого розрізнення(Видавництво Львівської політехніки, 2016) Бурштинська, Х.; Денис, Ю.; Мадяр, Ю.; Поліщук, Б.Розглянуто та реалізовано методику двоетапної класифікації лісів Прикарпатського регіону з використанням космічного знімка, отриманого в літній період із супутника QuickBird-2. Методика полягає у використанні лісових масок для класифікації за алгоритмом максимальної вірогідності. Точність визначення площ становить 1–8 %. Оцінку точності визначення площ здійснено на підставі завіркової інформації. Рассмотрено и реализовано методику двоэтапной классификации лесов Прикарпатского региона с использованием космического снимка, полученного в летний период из спутника QuickBird-2. Методика состоит в использовании лесных масок для классификации по алгоритму максимального правдоподобия. Точность определения площадей составляет 1–8 %. Оценку точности определения площадей осуществлено с использованием заверительной информации. Considered and implemented two-step method of classification of Precarpathian region forests using satellite images obtained during the summer from satellite QuickBird-2. The technique is to use masks for forest classification by maximum likelihood algorithm. The accuracy of the areas is 1.8 %. Assessment of the accuracy of the area is based.Item Гібридна класифікація лісів за космічними знімками високого розрізнення(Видавництво Львівської політехніки, 2014) Бурштинська, Х.; Поліщук, Б.; Фіковська, О.Подано методику гібридної класифікації, яка ґрунтується на визначенні оптимальної кількості класів з використанням неконтрольованої класифікації та подальшим опрацюванням зображень способами контрольованої класифікації. Запропоновано критерій визначення оптимальної кількості класів. Для дослідження ефективності ідентифікації типів лісів Прикарпатського регіону використано космічний знімок із супутника Ikonos. Проаналізовано вплив на точність ідентифікації лісів навчальних вибірок різних розмірів і методів класифікації: максимальної вірогідності, Махалонобіса, мінімальної відстані.