Тип работы:
Предмет:
Язык работы:


Сегментации спутниковых изображений для выделения неоднородных

Работа №19712

Тип работы

Бакалаврская работа

Предмет

информационные системы

Объем работы68
Год сдачи2017
Стоимость4900 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
402
Не подходит работа?

Узнай цену на написание


Содержание 3
Введение 5
1 Обзор и анализ способов детектирования объектов по спутниковым
изображениям среднего и высокого разрешения 8
1.1 Понятие сегментации 8
1.2 Обзор методов сегментации 8
1.3 Алгоритмы на основе разметки точек области 10
1.3.1 Метод пороговой обработки и кластер анализа 11
1.3.2 Метод релаксационной разметки 14
1.3.3 Метод наращивания областей 15
1.4 Вывод по главе 1 18
2 Проектная часть 19
2.1. Описание входных и выходных данных 19
2.1.1 Входные данные 19
2.1.2 Выходные данные 20
2.2.2 Пояснение выбора интервалов распределения значения точек 23
2.3 Блок-схема алгоритма 26
2.4 описание некоторых блоков алгоритма 27
2.5 Описание программной среды для разработки алгоритма 28
2.5.1 Язык программирования 28
2.5.2 Использующиеся библиотеки 30
2.5.4 QGIS 31
Базовые функции: 31
2.6 Экспериментальная апробация алгоритма 33
2.7 Расчёт ошибок 1 и 2 рода 38
2.8 Вывод по 2 главе 38
Приложение


Дистанционное зондирование Земли (ДЗЗ) — это изучение нашей планеты с помощью воздушных и космических летательных аппаратов, на которых установлены различные сенсоры (датчики), позволяющие получить информацию о характере поверхности Земли, состоянии ее воздушной и водной оболочек, о ее геофизических полях. Материалы дистанционного зондирования используются в самых разных отраслях народного хозяйства. Одной из таких отраслей является сельское хозяйство [1]. А именно отслеживание степени и качества зарастания зерновых культур на полях.
Россия занимает первое место в мире по площадям земель, находится в пятерке лидирующих стран по площади пашни и природным ресурсам, имея необходимые природные условия для обеспечения продовольственной безопасности страны. Однако по эффективности использования земельных ресурсов, по продуктивности пашни в 2-3 раза отстает от стран с сопоставимыми площадями (США, Китай) и от среднего мирового уровня [2].
В настоящее время в большинстве субъектов Российской Федерации продолжается снижение плодородия почв, ухудшается состояние земель, используемых или предоставленных для ведения сельского хозяйства. Почвенный покров, особенно сельскохозяйственных угодий, подвержен деградации и загрязнению, теряет устойчивость к разрушению, способность к восстановлению свойств и воспроизводству плодородия.
В связи с приватизацией земельных участков, появлением большого количества собственников земли и наличием сельскохозяйственных товаропроизводителей различных форм собственности задачи управления сельскохозяйственным производством стоят как никогда остро, а эффективное их решение невозможно без осуществления государственного мониторинга сельскохозяйственных земель.
Государственный мониторинг сельскохозяйственных земель осуществляется в целях предотвращения выбытия земель сельскохозяйственного назначения, сохранения и вовлечения их в сельскохозяйственное производство, разработки программ сохранения и восстановления плодородия почв, обеспечения государственных органов, включая органы исполнительной власти, осуществляющие государственный земельный контроль, юридических и физических лиц, а также сельскохозяйственных товаропроизводителей всех форм собственности достоверной информацией о состоянии и плодородии сельскохозяйственных земель и их фактическом использовании.
Государственный мониторинг сельскохозяйственных земель включает в себя систематические наблюдения: за состоянием и использованием полей севооборотов, сельскохозяйственных полигонов и контуров; за параметрами плодородия почв и развитием процессов их деградации (изменением реакции почвенной среды, содержанием органического вещества и элементов питания, разрушением почвенной структуры, засолением, осолонцеванием, заболачиванием, переувлажнением, подтоплением земель, развитием водной и ветровой эрозии, загрязнением почв пестицидами, тяжелыми металлами, радионуклидами, промышленными, бытовыми и иными отходами, изменением других свойств почв); за изменением состояния растительного покрова на пашне, залежах, сенокосных и пастбищных угодьях (изменением видового состава, структуры урожая, типов и качества растительности, степенью устойчивости к антропогенным нагрузкам) [3]. В связи с этим, актуальна разработка программного продукта, который в свою очередь позволит локализовать неоднородности ЗСХН для последующего точного анализа причин появления неоднородных структур.
Цель работы: Локализация пространственных неоднородностей в рамках заданного контура объекта ЗСХН.
Задачи:
1. Обзор и анализ способов детектирования объектов по спутниковым изображениям среднего и высокого разрешения;
2. Разработка программного алгоритма сегментации космоснимка для локализации пространственных неоднородностей методом наращивания границ.


Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!


В результате бакалаврской работы были выполнены все поставленные задачи. Проведён обзор методов сегментации изображений с описанием выбора нужного метода сегментации для его последующей программной реализации. Выявлены необходимые функции программы и составлена блок схема будущего алгоритма сегментации. Приведено обоснование выбора используемых порогов распределения точек сегментов, на основе которых и работает данный алгоритм сегментации. Осуществлена реализация разработанного алгоритма сегментации, а именно была обработана часть тестового изображения полученного со спутника Landsat 8 с рассчитанным NDVI.
Реализованная программа обладает следующими возможностями:
• Создание нового изображения формата GTiff;
• Создание текстового файла с записанной информацией о точках принадлежащих к различным сегментам, для того чтобы была возможность работы с этими данными.
• Создание векторизованного изображения формата Shape file с привязанной геопроекцией.



1. Трегуб, А. И. Дистанционное зондирование земли при геологических Исследованиях Учебное пособие для вузов [Электронный ресурс]: / А. И. Трегуб, О. В. Жаворонкин, Издательско-полиграфический центр Воронежского государственного университета 2012. - Режим доступа: http://www.studfiles.ru/preview/6051390
2. Министерство сельского хозяйства Российской Федерации. Агроэкологическое состояние и перспективы использования земель россии, выбывших из активного сельскохозяйственного оборота [Электронный ресурс] : - Москва 2008 / Под редакцией акад. Г. А. Романенко. - Режим доступа: http://masters.donntu.org/2009/kita/surova/library/article1.htm.
3. Распоряжение от 30 июля 2010 г. N 1292-р. [Электронный ресурс]: - Режим доступа: http://www.alppp.ru/law/okruzhayuschaja-sreda-i- prirodnye-resursy/obschie-voprosy/1/rasporjazhenie-pravitelstva-rf-ot-30-07- 2010--1292-r.html
4. Абламейко, С. В. Обработка изображений: технология, методы, применение. / С. В. Абламейко, Д. М. Лагуновский, Беларусь, - Минск: Ин-т техн. Кибернетики НАН Беларуси, 2000, - 304 с.
5. Гонсалес, Р. Цифровая обработка изображений. / Р. Гонсалес, Р. Вудс, Пер. с англ. - Москва. - Техносфера. - 2006, - 1072 с.
6. Старовойтов, В. В. - Методы сегментации цветных изображений / В. В. Старовойтов, М. А. Талеб, - Минск Ин-т техн. кибернетики НАН Беларуси, 1999, - 44с.
7. Денисов, Д. А. Компьютерные методы анализа
видеоинформации: Монография. Издательство Красноярского
края 1993г. -192 с.
8. Кривицкая, Д. Реферат: «Применение ИТ в предварительной обработке дактилоскопических изображений» [Электронный ресурс] : /
Беларусь, Минск - 2008 г. - Режим доступа
http://www.bestreferat.ru/referat-400802.html
9. Тропченко, А. Ю. методы вторичной обработки и распознавания
изображений Учебное пособие [Электронный ресурс]: / СПб: СПбГУ ИТМО, 2012. - Режим доступа:
http://open.ifmo.ru/images/b/bf/137961_up.pdf
10. Ачасова, А. Оценка состояния посевов с помощью фотосъемки
[Электронный ресурс]: / 29.01.2017. - Режим доступа:
http://ndvi.com.ua/assessment-of-the-state-of-crops-using-photography/
11. Вегетационные индексы. Основы, формулы, практическое использование [Электронный ресурс]: / - Режим доступа: http://mapexpert.com.ua/index_ru.php?id=20&table=news
12. Гонсалес Р., Вудс Р. Цифровая обработка изображений. — М.: Техносфера, 2006. — 1072 с.
13. Расчет зональной статистики в Arcview GIS [Электронный ресурс]: / - Режим доступа: http://gis-lab.info/qa/zonalstats.html
14. Python 3: преимущества и недостатки языка [Электронный ресурс]: / - Режим доступа: https://pythonworld.ru/
15. Quantum GIS, описание базовых функций [Электронный ресурс]: / - Режим доступа: http://live.osgeo.org/ru/overview/qgis_overview.html
16. Вежневец, В. Оценка качества работы классификаторов //
Сетевой журнал "Компьютерная графика и мультимедиа" [Электронный ресурс]: / - Режим доступа:
http: //cgm.computergraphics.ru/content/view/106
17. Кухарев, Г.А. Биометрические системы: Методы и средства идентификации личности человека// - Спб., Политехника, 2003, - 240 с.
18. Кухарев, Г. А. Методы обработки и распознавания изображений лиц в задачах биометрии / Г. А. Кухарев, Е. И. Каменская, Ю. Н. Матвеев, Н. Л. Щеголева; под ред. М. В. Хитрова. — СПб.: Политехника, 2013, — 388 с.
19. Пентланд, А.С. Распознавание лиц для интеллектуальных сред // Открытые системы, 2000, №3 [Электронный ресурс]: / - Режим доступа: http://www.osp.ru/os/2000/03/

Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2024 Cервис помощи студентам в выполнении работ