Предмет изучения - методы морфологической пространственной фильтрации изображений в псевдоцветах, полученных в результате статистической сегментации многоканальных спутниковых снимков. Цель работы - эффективность различных вариантов методов постклассификационной обработки изображений для повышения вероятности правильного распознавания объектов наблюдения. Задачи: выбрать математическую модель для описания обучающих образов классов объектов; реализовать процедуру статистической контролируемой классификации по методу максимального правдоподобия; оценить результаты выделения объектов на тестовом изображении по критерию эмпирической вероятности правильного распознавания; формализовать процедуры локальной объектно-ориентированной фильтрации сегментированного изображения; исследовать эффективность процедур ранговой и взвешенной медианной фильтрации с учетом результатов классификации по k-ближайшим соседям в окне фильтра. Используемыми методами являются: методы аппроксимации эмпирических распределений, статистические методы распознавания, методы теории вероятностей и математической статистики, методы локальной пространственной фильтрации. Получены следующие результаты. Предложена методика синтеза универсальной математической модели для описания негауссовых сигнальных признаков образов объектов на многоканальных изображениях на базе многомерного варианта SB-распределения Джонсона; данная модель применялась для статистической попиксельной классификации исходного спутникового снимка. Реализованы алгоритмы локальной постклассификационной обработки в окрестности границ выделенных сегментов. Выполнен анализ эффективности разработанных алгоритмов на основании оценок вероятностей правильного распознавания классов. Выводы: научная новизна полученных результатов состоит в следующем: получили дальнейшее развитие комбинированные подходы к процедурам распознавания образов - показано, что использование методов локальной объектно-ориентированной фильтрации сегментированных изображений позволяет уменьшить количество точечных ошибок поэлементной классификации площадных объектов.

  Повний текст PDF - 713.941 Kb    Зміст випуску     Цитування публікації

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"