Предмет изучения - методы локальной пространственной пост-обработки изображений, полученных в результате статистической попиксельной классификации многоканальных спутниковых снимков, искаженных аддитивным гауссовым шумом. Цель исследования - эффективность различных вариантов методов пост-классификационной обработки изображений в широком диапазоне значений отношения сигнал-шум; в качестве критерия эффективности приняты показатели достоверности классификации объектов наблюдения. Задачи: сгенерировать случайные значения яркостей шумовых компонент, обеспечив их соответствие принятой вероятностной модели; реализовать процедуру статистической контролируемой классификации по методу максимального правдоподобия для изображений, искаженных шумом; оценить результаты выделения объектов на зашумленных изображениях по критерию эмпирической вероятности правильного распознавания; реализовать процедуры локальной объектно-ориентированной пост-обработки изображений; исследовать влияние дисперсии шума на эффективность процедур пост-обработки. Используемыми методами являются: методы стохастического моделирования, методы аппроксимации эмпирических зависимостей, статистические методы распознавания, методы теории вероятностей и математической статистики, методы локальной пространственной фильтрации. Получены следующие результаты. Реализованы алгоритмы ранговой и взвешенной медианной пост-обработки с учетом результатов классификации по k-ближайшим соседям в окне фильтра. Выполнен анализ эффективности разработанных алгоритмов на основании оценок вероятностей правильного распознавания объектов на зашумленных изображениях. Получены эмпирические зависимости оценок общей вероятности ошибок распознавания от дисперсии аддитивного шума. Выводы: научная новизна полученных результатов состоит в следующем: получили дальнейшее развитие комплексные подходы к построению решающих правил с учетом дестабилизирующих факторов - показано, что использование методов локальной объектно-ориентированной фильтрации сегментированных изображений позволяет уменьшить количество точечных ошибок поэлементной классификации объектов, и частично восстановить связность и пространственное распределение элементов структуры изображения.

  Повний текст PDF - 1.443 Mb    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"