Разработан программный комплекс для расчета площади водоемов

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Инженеры ТюмГУ разработали программу, позволяющую с высокой точностью определять границы водных объектов.

Новый метод, использующий объектно-ориентированную классификацию, показал результат в 92% точности (имеющиеся же пикселе-ориентированные методы дают 81%-ю точность). Для реализации проекта специалисты использовали сегментацию изображения, сделанного с космического снимка методом Quick Shift.

Этот метод позволяет сгруппировать пиксели на снимке не только по цветовому признаку, но и по структуре объектов на снимке, а также метод Random Forest, дающий ответ о принадлежности объектов на снимке к определенному классу поверхности. Разработка была протестирована на серии космических мультиспекральных снимков спутника Landsat-8.

«Мониторинг природных объектов всегда был необходим. В настоящее время перед экспертами в области мониторинга водных объектов остро стоит задача определения оптимального метода обработки снимков со спутников, позволяющего точно определять границы водных объектов, – сообщил доцент кафедры программной и системной инженерии Тюменского государственного университета Михаил Григорьев. – Для водоемов с однозначно выделенной границей эта задача решена, но при выявлении на космических снимках границ озер и заболоченных местностей есть трудности, так как помимо нечеткой береговой линии они имеют небольшую глубину».

В программном решении тюменцы использовали методы объектно-ориентированной классификации для дешифровки космических снимков. Это обеспечило классификацию не каждого отдельного пикселя, а группы пикселей, объединенных по определенному признаку или их набору.

Как пояснил Михаил Григорьев, этап классификации полностью зависит от качества выполнения сегментации. Для реализации программного комплекса был выбран язык программирования Python. Для сегментации — использован метод из библиотеки Gdal – QuickShift для работы с 2D-изображениями, который позволяет настроить зависимость не только от цвета пикселя, но и от его расположения.

Разработка может быть использована для мониторинга водных объектов, проведения исследований с целью оценки и прогноза, а также для подготовки планов управления, карт рисков последствий изменений климата.


Источник: naked-science.ru

Комментарии: