Návrh klasifikačního přístupu pro obrazová data s velmi vysokým prostorových rozlišením

Abstract

Identifikace povrchu je jednou z metod zpracování geografických dat získaných dálkovým průzkumem. V dnešním světe se běžně setkáváme s obrazovými daty s velkým detailem, která mají vypovídající hodnotu o prozkoumávaném území, ale vypovídající hodnota lze zvýšit za pomoci různých metod zpracování nad těmito daty. A právě klasifikace dat je jednou z těchto metod. V dálkovém průzkumu existuje mnoho typů nosičů a snímačů obrazových dat, některé poskytují více komplexní data, ale také bývají dražší. Jiné zase poskytují pouze obrazová data ve viditelné části světelného záření. Právě tyto snímače nebo celé systémy dálkového průzkumu získávající RGB obrazová data s velmi vysokým prostorovým detailem jsou zajímavé. Pro tyto systémy zatím existuje malý počet aplikací nad takovýmito daty a tím i vznikají nové výzvy zpracování RGB obrazových dat. Cílem disertační práce je tedy navržení a ověření nového způsobu klasifikace RGB obrazových dat s velmi vysokým prostorovým rozlišením (méně než 10 cm na pixel). V první části předložené disertační práci je uvedení do problematiky dálkového průzkumu a jsou vysvětleny základní pojmy z oblasti pořizování dat, zpracování dat a více do hloubky je vysvětlena klasifikace dat. Dále je v disertační práci uvedena hluboká analýza současného stavu v oblasti klasifikace obrazových dat s velmi vysokým prostorovým rozlišením. Ze současného stavu řešené problematiky vyplývají určité výzvy v této oblasti. Jde například o využívání konvenčních a moderních klasifikačních přístupů pro identifikaci typů pokryvu nad daty s vysokým nebo velmi vysokým prostorovým rozlišením. Po definování výzev je práce zaměřena na výběr vhodných metod a navržení klasifikačního přístupu pro dosažení cíle disertační práce. Těmito metodami jsou konvenční metody. Jde o především o tradiční řízené klasifikační metody: Maximum Likelihood, Random Trees a Support Vector Machine (SVM). Pomocí těchto metod je pak realizováno následné klasifikování pomocí navrženého klasifikačního přístupu CMCA. Vzájemné porovnání celkové přesnosti klasifikace je poté provedeno pomocí vybraných případových studií v části ověření a následně pomocí nově vytvořených případových studií v části aplikování navrženého klasifikačního přístupu CMCA.