Перспективы построения высокопроизводительной системы обработки данных дистанционного зондирования земли
Автор: Хачумов Вячеслав Михайлович, Фраленко Виталий Петрович, Chen Guo Xiang , Zhang Guo Liang
Журнал: Программные системы: теория и приложения @programmnye-sistemy
Рубрика: Искусственный интеллект, интеллектуальные системы, нейронные сети
Статья в выпуске: 1 (24) т.6, 2015 года.
Бесплатный доступ
В работе представлены промежуточные результаты исследований, посвященных решению ряда задач обработки полноцветных и мультиспектральных изображений дистанционного зондирования Земли. Приведены результаты экспериментов по обнаружению целевых регионов интереса с помощью метода спектрографической «закраски» и нейросетевой кластеризации; решена задача обнаружения сложных ригидных объектов. Предложена реализация алгоритма преобразования мультиспектральных снимков в полутоновые и цветные. Все программы разработаны для функционирования на гетерогенной вычислительной установке.
Дистанционное зондирование, мультиспектральное изображение, параллелизм., сотрудничество
Короткий адрес: https://sciup.org/14336133
IDR: 14336133 | УДК: 004.932
Psta.psiras.ru/
The paper presents the intermediate results of studies devoted to solving a number of problems of processing full-color and multispectral images of Earth remote sensing. The results of experiments on the detection of target regions of interest are presented using the method of spectrographic "shading" and neural network clustering; solved the problem of detecting complex rigid objects. The implementation of the algorithm for converting multispectral images into halftone and color images is proposed. All programs are designed to operate on a heterogeneous computing system.
Список литературы Перспективы построения высокопроизводительной системы обработки данных дистанционного зондирования земли
- А. Кучейко. Текущее состояние дистанционного зондирования Земли из космоса в России и за рубежом//Газета.Ru, 2013, URL http://www.gazeta.ru/science/2013/02/27_a_4990217.shtml.
- "Текущее состояние дистанционного зондирования Земли из космоса в России и за рубежом", Ракурс, URL http://www.racurs.ru/?page=801.
- Совместное заявление Российской Федерации и Китайской Народной Республики о новом этапе отношений всеобъемлющего партнерства и стратегического взаимодействия, 2014, URL http://news.kremlin.ru/ref_notes/1642.
- А. Ю. Попков, И. В. Соченков, В. М. Хачумов. Гетерогенный вычислительный комплекс для решения инженерных и научных задач//Третий Национальный Суперкомпьютерный Форум НСКФ2014 (Переславль-Залесский, 2014), URL https://docs.google.com/uc?export=download&id=0B-Qay3kEFxqfZTJLeEgybVNKOWc.
- A. A. Kondratyev, V. M. Khachumov. High-performance stream processing on multicore and graphics processors//Second International Conference "Cluster Computing" CC 2013 (Lviv, 2013). P. 105-110.
- В. М. Хачумов, И. П. Тищенко, А. А. Талалаев, К. А. Константинов, В. П. Фраленко, Ю. Г. Емельянова. Нейросетевая система контроля телеметрической информации, диагностики подсистем космических аппаратов, обработки космических снимков (ПС НСКиД), Свидетельство о государственной регистрации программы для ЭВМ № 2012613261, дата приоритета: 18.11.2011, дата регистрации: 06.04.2012.
- Landsat Image Gallery, URL http://landsat.visibleearth.nasa.gov/.
- GIS LAB. Геоданные. Новый источник доступных данных ASTER, URL http://gis-lab.info/projects/aster/about.html.
- О. Н. Колесникова. Использование программного комплекса ENVI для обработки данных дистанционного зондирования Земли//Геоматика, 2009, №1. С. 38-41, URL http://geomatica.ru/pdf/2009_01/2009_01_005.pdf.
- S. V. Aelst. Robust Estimation, Inference and Prediction//COMPSTAT 2014 (University of Leuven, 2014), URL http://compstat2014.org/Stefan%20Van%20Aelst%20-%20TutorialCompstat2014.pdf.
- G. Grudic, J. Mulligan. Outdoor path labeling using polynomial Mahalanobis distance//Proc. of Robotics: Science and Systems, 2006. P. 16-19 (english).
- M. R. Ackerman. Algorithms for the Bregman 𝑘-Median Problem, A dissertation submitted to the Department of Computer Science University of Paderborn, 2009, 220 pp.
- С. А. Амелькин, В. М. Хачумов. Обобщенное расстояние Евклида-Махаланобиса и его применение в задачах распознавания образов//12-я Всероссийская конференция "Математические методы распознавания образов", МАКС Пресс, М., 2005. С. 7-9.
- С. А. Амелькин, А. В. Захаров, В. М. Хачумов. Обобщенное расстояние Евклида-Махаланобиса и его свойства//Информационные технологии и вычислительные системы, 2006, №4. С. 40-44.
- M. V. Khachumov. Distances, Metrics and Cluster Analysis//Scientific and Technical Information Processing, V. 39. No. 6. 2012. P. 1-7 (english).
- В. П. Фраленко. Анализ спектрографических текстур данных дистанционного зондирования Земли//Искусственный интеллект и принятие решений, 2010, №2. С. 11-15.
- А. И. Смирнова, В. М. Хачумов. Метод обработки мультиспектральных снимков дистанционного зондирования Земли//Авиакосмическое приборостроение, 2013, №2. С. 50-56.
- В. П. Фраленко. Методы текстурного анализа изображений, обработка данных дистанционного зондирования Земли//Программные системы: теория и приложения, Т. 5, №.4. 2014. С. 19-39, URL http://psta.psiras.ru/read/psta2014_4_19-39.pdf.
- Convolutional Neural Networks (LeNet), DeepLearning 0.1 documentation (english), URL http://deeplearning.net/tutorial/lenet.html.
- K. Pearson. On lines and planes of closest fit to systems of points in space//Philosophical Magazine, 2 (1901). P. 559-572 (english).
