![]() |
ИСТИНА |
Войти в систему Регистрация |
ФНКЦ РР |
||
Современная обработка оптических изображений высокого спектрального и пространственного разрешения реализуется с помощью машинно-обучающих алгоритмов распознавания природно-техногенных объектов. Возникла даже специальная дисциплина, названная «компьютерным видением». Основу моделей компьютерного видения составляют вычислительные процедуры оптимизации, необходимость которых возникает вследствие неопределенностей в интерпретации получаемых данных дистанционного зондирования, обусловленных шумами аппаратуры и возможными радиометрическими, геометрическими и другими искажениями этих данных. Поэтому вместо недостижимых абсолютно точных решений задач распознавания объектов применяются процедуры компьютерной оптимизации получаемых решений. На практике для распознавания используются решения, основанные на нахождении максимума апостериорной вероятности исследуемых классов объектов на обрабатываемом изображении. При этом применяется известная байесовская парадигма, которая устанавливает взаимосвязи условных вероятностей регистрируемых данных и предположений о виде функции распределения для элементов разрешения (пикселей) соответствующих классов, а также априорных вероятностей встречаемости этих классов на обрабатываемом изображении. Условные вероятности обычно моделируются в терминах гауссовских распределений метода максимального правдоподобия, а априорные вероятности – с помощью Марковских случайных полей с учетом влияния соседних пикселей для заданного класса объектов. В докладе показаны примеры реализации указанных вычислительных процедур в рамках создаваемой оригинальной аппаратно-программной системы, состоящей из отечественной гиперспектральной аппаратуры и разработанных авторами программных средств обработки получаемых самолетных гиперспектральных изображений.