Андреєв А. А. Методика класифікування об’єктів на аеро- та космічних зображеннях в умовах низької розділимості розпізнавальних ознак

English version

Дисертація на здобуття ступеня доктора філософії

Державний реєстраційний номер

0823U100884

Облікова картка дисертації

0823U100884.pdf

Здобувач

Спеціальність

  • 172 - Електронні комунікації та радіотехніка

29-11-2023

Спеціалізована вчена рада

ДФ 004

Державна установа "Науковий центр аерокосмічних досліджень Землі Інституту геологічних наук Національної академії наук України"

Анотація

Мета дослідження: підвищення достовірності класифікування об`єктів на аеро- та космічних зображеннях шляхом розробки методики, яка націлена на підвищення розділимості розпізнавальних ознак. В дисертаційному дослідженні розглянуто роль та місце процедури класифікування в задачах ДЗЗ. Проведено аналіз методів класифікування об’єктів на аеро- та космічних зображеннях. Обґрунтовано, що для більшості тематичних задач ДЗЗ доцільним є використання контрольованих методів класифікування, адже вони дозволяють задати ознаки вихідних класів у вигляді набору навчальної вибірки. Проаналізовано властивості набору навчальної вибірки. Проведено аналіз підходів до обробки навчальної вибірки. Показано, що спільним недоліком розглянутих підходів є те, що вони не враховують фактор розділимості навчальної вибірки. Для представлення даних для класифікування запропоновано використовувати куб геопросторових даних. Представлено шаблони даних для деяких тематичних задач. Розроблено методи кластеризації навчальної вибірки на основі центроїдних методів неконтрольованого класифікування. Всього розроблено два методи, а саме: метод формування навчальної вибірки з кластерів початкових класів та метод формування навчальної вибірки з центрів кластерів початкових класів. Розроблено метод оцінювання розділимості навчальної вибірки. Детально описано алгоритм методу оцінювання розділимості як двох окремих класів навчальної вибірки, так і всього набору в цілому. Розроблені та представлені в другому розділі принципи формування куба геопросторових даних, методи кластеризації навчальної вибірки та метод оцінювання розділимості навчальної вибірки поєднано в методику класифікування, яка має дві гілки застосування: спосіб зменшення розмірності навчальної вибірки, спосіб кластеризації навчальної вибірки. Вибір способу залежить від об’єму даних. Наукова новизна Вперше розроблено метод оцінювання розділимості навчальної вибірки при контрольованому класифікуванні об’єктів на аеро- та космічних зображеннях. Особливістю якого є формування оцінки відносно конкретного метода класифікування, вхідних даних та їхньої структури. Вперше розроблено методику класифікування об’єктів на аеро- та космічних зображеннях в умовах низької розділимості розпізнавальних ознак, яка включає в себе застосування одного з двох розроблених способів залежно від об’єму даних. При надлишковому об’ємі даних використовується спосіб зменшення розмірності навчальної вибірки, а при обмеженому об’ємі даних – спосіб кластеризації навчальної вибірки. Основою розроблених способів є метод оцінки розділимості навчальної вибірки. Вперше розроблено спосіб кластеризації навчальної вибірки на основі розробленого методу оцінювання розділимості навчальної вибірки. На відміну від існуючих, даний спосіб дозволяє обрати таку кількість кластерів для кожного класу, при якій розділимість навчальної вибірки досягатиме найвищого значення серед інших розглянутих варіантів. Вперше розроблено спосіб зменшення розмірності навчальної вибірки на основі розробленого методу оцінювання розділимості навчальної вибірки. На відміну від існуючих, даний спосіб дозволяє обрати такі шари вхідних даних, при яких відповідна навчальна вибірка досягатиме найвищого значення розділимості серед інших розглянутих варіантів вхідних даних. Таким чином досягається не лише зменшення розмірності вхідних даних, а і підвищення розділимості навчальної вибірки. За результатами експериментальних досліджень розроблена методика продемонструвала підвищення достовірності класифікування в кожному з 4 прикладів. Ефективність методики підтверджена в одному з прикладів зростанням показників загальної точності на 2% (з 91% до 93%) та капа-індексу на 2% (з 87% до 89%); в другому прикладі зростанням відповідних показників на 4% (з 77% до 81%) та на 5% (з 66% до 71%); в третьому – зростанням коефіцієнта кореляції Пірсона на 28% (з 54% до 82%); в четвертому- зростанням показників загальної точності та капа-індексу на 20% (з 63% до 83%) та на 21% (з 60% до 81%) відповідно. Ключові слова: аеро- та космічні зображення, неконтрольоване класифікування, контрольоване класифікування, кластеризація, навчальна вибірка, розділимість навчальної вибірки За результатами досліджень опубліковано 21 наукову працю, у тому числі 2 публікації у монографіях (з них 1 проіндексована в базі даних Scopus); у закордонних фахових виданнях – 5 статей (з них 3 проіндексовані в базі даних Scopus); статті у наукових виданнях, включених на дату опублікування до переліку наукових фахових видань України категорії Б – 4; 10 у збірниках та матеріалах тез доповідей вітчизняних та міжнародних конференціях (3 закордонних), з яких 8 проіндексовані в базі даних Scopus.

Читати повністю

Публікації

Popov, M., Stankevich, S., Kozlova, A., Piestova, I., Lubskiy, M., Titarenko, O., Svideniuk, M., Andreiev, A., Lysenko, A., & Singh, S. K. (2021). Long-Term Satellite Data Time Series Analysis for Land Degradation Mapping to Support Sustainable Land Management in Ukraine. Geo-Intelligence for Sustainable Development, 165–189. https://doi.org/10.1007/978-981-16-4768-0_11

Stankevich, S. А., Zaitseva, E., Kozlova, A., & Andreiev, A. (2023). Wildfire risk assessment using earth observation data: A case study of the Eastern Carpathians at the Slovak-Ukrainian frontier. In Studies in systems, decision and control, 131–143. https://doi.org/10.1007/978-3-031-40997-4_9

Popov, M., Michaelides, S., Stankevich, S., Kozlova, A., Piestova, I., Lubskiy, M., Titarenko, O., Svideniuk, M., Andreiev, A., & Ivanov, S. (2021). Assessing long-term land cover changes in watershed by spatiotemporal fusion of classifications based on probability propagation: The case of Dniester river basin. Remote Sensing Applications: Society and Environment, 22, 100477. https://doi.org/10.1016/j.rsase.2021.100477

Андреєв, А. А. (2023). Методика класифікування об’єктів на аеро- та космічних зображеннях в умовах низької розділимості розпізнавальних ознак. Український журнал дистанційного зондування Землі, 10(3), 4-9. https://doi.org/10.36023/ujrs.2023.10.3.244

Lubskyi, M. S., Orlenko, T., Piestova, I., Andreiev, A., & Lysenko, A. (2023). Evaluation of indicators for desertification risk assessment of Oleshky sands desertification based on Landsat data time series. Ukrainian Journal of Remote Sensing, 10(1), 17–28. https://doi.org/10.36023/ujrs.2023.10.1.229

Popov, M., Stankevich, S., Mosov, S., Titarenko, O., Dugin, S., Golubov, S., & Andreiev, A. (2022). Method for Minefields Mapping by Imagery from Unmanned Aerial Vehicle. Advances in Military Technology, 17(2), 211–229. https://doi.org/10.3849/aimt.01722

Stankevich, S., Popov, M., Shklyar, S., Sukhanov, K., Andreiev, A., Lysenko, A., Kun, X., Cao, S., Yupan, S., & Boya, S. (2020). Estimation of mutual subpixel shift between satellite images: software implementation. Ukrainian Journal of Remote Sensing, 24, 9–14. https://doi.org/10.36023/ujrs.2020.24.165

Stankevich, S., Popov, M., Shklyar, S. V., Sukhanov, K. Y., Andreiev, A., Lysenko, A. R., Kun, X., Shixiang, C., Yupa, S., Xing, Z., & Boya, S. (2020). Subpixel-shifted Satellite Images Superresolution: Software Implementation. WSEAS TRANSACTIONS ON COMPUTERS, 19, 31–37. https://doi.org/10.37394/23205.2020.19.5

Andreiev, A. A. (2020). Hybrid approach to classification of remote sensing data. CERes Journal, 6(2), 32–37

Popov, M. O., Тopolnytskyi, A. V., Titarenko, O. V., Stankevich, S., & Аndreiev, R. A. (2020). Forecasting Gas and Oil Potential of Subsoil Plots via Co-analysis of Satellite, Geological, Geophysical and Geochemical Information by Means of Subjective Logic. WSEAS TRANSACTIONS ON COMPUTER RESEARCH, 8, 90–101. https://doi.org/10.37394/232018.2020.8.11

Андреєв, А. А. (2018). Особливості розмежування низькоконтрастних природних середовищ. Зв'язок, (1), 12-14.

Kozlova, A., Stankevich, S., Svideniuk, M., & Andreiev, A. (2022). Quantitative Assessment of Forest Disturbance with C-Band SAR Data for Decision Making Support in Forest Management. Lecture Notes in Computational Intelligence and Decision Making, 548–562. https://doi.org/10.1007/978-3-030-82014-5_37

Piestova, I., Kozlova, A., Andreiev, A., & Rabcan, J. (2021). Local Quality Improvement of Multispectral Imagery Classification with Radiometric-spatial Feedback. Computer Modeling and Intelligent Systems, 2864, 158–168. https://doi.org/10.32782/cmis/2864-14

Stankevich, S. A., Popov, M., Shklyar, S., Lysenko, A., Andreiev, A., Xing, K., Cao, S., & Tao, R. (2023). Satellite imagery superresolution based on optimal frame accumulation. In Springer proceedings in physics (pp. 395–412). https://doi.org/10.1007/978-981-99-4098-1_35

Lubskyi, M., Orlenko, T., Piestova, I., Lysenko, A., & Andreiev, A. (2022). Using Landsat Satellite Time Series for Desertification Processes Mapping: Case Study for Oleshky Sands, Ukraine. 16th International Conference Monitoring of Geological Processes and Ecological Condition of the Environment. https://doi.org/10.3997/2214-4609.2022580194

Andreiev, A., Azimov, O., Shevchuk, O., & Tomchenko, O. (2022). Geoinformation Technology of Temperature Mapping of Dumps based on Remote Sensing of the Earth. 16th International Conference Monitoring of Geological Processes and Ecological Condition of the Environment. https://doi.org/10.3997/2214-4609.2022580117

Andreiev, A., Kozlova, A. (2021, 21–24 September) Enhancement of Land Cover Classification by Training Samples Clustering. Pattern Recognition and Information Processing (PRIP'2021): Proceedings of the 15th International Conference. Minsk: UIIP NASB. P.223-227

Popov, M., Zaitsev, O., & Andreiev, A. (2020). A Method for Combination and Ranking Hypotheses Under Conditions of Partial Uncertainty. 2020 IEEE Ukrainian Microwave Week (UkrMW). https://doi.org/10.1109/ukrmw49653.2020.9252781

Titarenko, O. V., Sedlerova, O. V., +& Andreiev, A. A. (2020). The new approach to forecasting areas with oil and gas prospects by classification method. Geoinformatics: Theoretical and Applied Aspects 2020. https://doi.org/10.3997/2214-4609.2020geo105

Kozlova, A., Khyzhniak, A., Piestova, I., & Andreiev, A. (2018). Synergetic Use of Sentinel-1 and Sentinel-2 Data for Analysis of Urban Development and Green Spaces. Proceedings. https://doi.org/10.3997/2214-4609.201801846

Stankevich S., Zaitseva E., Kozlova A., Andreiev A. (2022, 14-15 November) Wildfire risk assessment using Earth observation data: A case study of the Eastern Carpathians at the Slovak-Ukrainian frontier. The Second International Workshop on Reliability Engineering and Computational Intelligence (RECI 2022): Proceedings of the 2nd International Workshop. Delft

Читати повністю

Файли

Andreiev_thesis.pdf

autoreferat-Abstract_Andreiev.pdf

Схожі дисертації

0824U000943

ЕЛЬ ХАЖ СЛЕЙМАН БАТУЛ ГАДІ

ОПТИМІЗАЦІЙНІ МОДЕЛІ ВІДМОВОСТІЙКОЇ ТА БЕЗПЕЧНОЇ МАРШРУТИЗАЦІЇ В ТЕЛЕКОМУНІКАЦІЙНІЙ МЕРЕЖІ ШЛЯХАМИ, ЩО НЕ ПЕРЕТИНАЮТЬСЯ

0824U000870

Мерзлікін Анатолій Олександрович

МЕТОДИ ТА ЗАСОБИ ПІДВИЩЕННЯ ПРОДУКТИВНОСТІ ТА ГОТОВНОСТІ КАНАЛІВ ЗВ’ЯЗКУ МІЛІМЕТРОВОГО ДІАПАЗОНУ ХВИЛЬ

0824U000397

Прокопець Володимир Андрійович

Комплексний метод планування радіомережі стільникового зв'язку

0824U000314

Єзерський Нікіта Валерійович

Модуль ЦОС для вивчення сейсмічно-магнітосферної кореляції

0824U000288

Сокольський Сергій Олегович

Акустичне виявлення безпілотних літальних апаратів