ЛИДЕР В СФЕРЕ СПУТНИКОВОГО МОНИТОРИНГА
RU EN

Тематическая обработка данных дистанционного зондирования

17 - 21 Апреля 2023
60 000
за   5   дней с человека
Записаться на курс
Место проведения
Учебный центр ГК «СКАНЭКС»
Справочная служба
Телефон: +7 (495) 739-73-85 Email: course@scanex.ru
Курс направлен на обучение слушателей тематическому дешифрированию данных ДЗЗ, методике выбора средств и алгоритмов тематической обработки.
В процессе обучения рассматриваются методы визуально-интерактивного дешифрирования и автоматизированных алгоритмов классификации изображений. Слушатели получат навыки работы с такими методами автоматизированной обработки как: неконтролируемая классификация, контролируемая классификация и построение эталонов для ее обучения, сегментация спектрозональных космических изображений, нейросетевой анализ космических снимков с применением самоорганизующихся нейронных сетей Кохонена; ознакомятся с алгоритмами улучшающих преобразований и др. В процессе обучения используется модуль “Thematic Pro”программы ScanEx Image Processor.
Преподаватели
Моисеева Нина
Преподаватель курсов "Технологии углубленной обработки данных ДЗЗ" и "Искусство тематической интерпретации"
17 Апреля 2023 — Тематическая обработка данных дистанционного зондирования
10:00 — 18:00
День 1
10:00 — 18:00
День 2
10:00 — 18:00
День 3
10:00 — 18:00
День 4
10:00 — 18:00
День 5
Тематическая обработка данных дистанционного зондирования
Курс направлен на обучение слушателей тематическому дешифрированию данных ДЗЗ, методике выбора средств и алгоритмов тематической обработки. В процессе обучения рассматриваются методы визуально-интерактивного дешифрирования и автоматизированных алгоритмов классификации изображений. Слушатели получат навыки работы с такими методами автоматизированной обработки как: неконтролируемая классификация, контролируемая классификация и построение эталонов для ее обучения, сегментация спектрозональных космических изображений, нейросетевой анализ космических снимков с применением самоорганизующихся нейронных сетей Кохонена; ознакомятся с алгоритмами улучшающих преобразований и др. В процессе обучения используется модуль “Thematic Pro” программы ScanEx Image Processor®.
10:00 — 18:00
День 1

Теоретическая часть:

  • Космические снимки и их свойства.

  • Классификация космических снимков по основным свойствам.

  • Современный фонд космических снимков.

  • Уровни обработки космических снимков.

  • Методы предварительной обработки космических снимков: радиометрическая коррекция, геометрическая нормализация.

  • Методы дополнительной обработки космических снимков: увеличение пространственного разрешения и синтез дополнительных каналов, улучшающие преобразования, атмосферная коррекция.

  • Продукты, получаемые при обработке космических снимков.

  • Области и возможности тематического применения космических снимков.

  • Предварительный анализ снимка для проведения дешифрирования.

  • Основные методы и подходы к дешифрированию космических снимков: визуально-интерактивное и автоматизированное дешифрирование.

  • Алгоритмы автоматизированной классификации космических снимков: алгоритмы попиксельной и объектно-ориентированной классификации.

  • Дополнительные методы и инструменты дешифрирования.

  • Общая технологическая цепочка тематической обработки космических снимков.

10:00 — 18:00
День 2

Тестовые задания по теоретической части

Практическая часть:

  • Знакомство с интерфейсом программного обеспечения.

  • Работа с инструментом гистограммы.

  • Работа с инструментом сэмплинга (анализа статистик) растров.

  • Классификация космического снимка методом спектральной необучаемой попиксельной классификации.

  • Создание эталонов для обучаемой классификации.

  • Классификация космического снимка при помощи нейронных сетей прямого распространения.

  • Классификация космического снимка методом самоорганизующихся нейронных сетей с предварительным обучением.

  • Работа с отображением и представлением нейронной сети, предварительная оценка созданной нейронной сети и качества классификации.

  • Создание тематической легенды и системы иерархических классов.

  • Векторизация и растеризация полученного результата классификации, сохранение результатов классификации.

10:00 — 18:00
День 3

Тестовые задания по практической части

Практическая часть:

  • Дообучение и настройка нейронной сети, работа с нейронной сетью на различных настройках.

  • Оценка результатов работы нейронной сети на различных настройках.

  • Тематическая калибровка нейронной сети, создание эталонов для тематической калибровки нейронной сети.

  • Постобработка результатов нейросетевой классификации с помощью анализа локальной текстуры изображения.

  • Оценка результатов калибровки и постобработки.

  • Сегментация многоканального космического снимка.

  • Постобработка результатов классификации спутниковой съемки.

  • Локальная перекодировка результатов классификации спутниковой съемки.

10:00 — 18:00
День 4

Тестовые задания по практической части

Практическая часть:

  • Классификация снимка при помощи прямого анализа канала с использованием инструментов легенды.

  • Бинарная классификация.

  • Детектирование изменений на разновременных данных с помощью инструмента Single Channel Change Detection (Одноканальное обнаружение изменений).

  • Детектирование изменений на разновременных данных с помощью инструмента Multi-Channel Change Detection (Многоканальное обнаружение изменений).

  • Детектирование изменений на разновременных данных с помощью мультивременного композита.

  • Дополнительные методы попиксельной классификации изображений, реализованные в программе.

10:00 — 18:00
День 5

Тестовые задания по практической части

Практическая часть:

  • Тематический анализ снимка с помощью расчета индексных характеристик.

  • Классификация космического снимка при помощи мультивременного композита растров индексных характеристик.

  • Анализ цифровой модели рельефа.

Подведение итогов обучения:

  • Выполнение упражнения для самостоятельной работы.

  • Ответы на вопросы слушателей.

  • Выдача сертификатов, подтверждающих успешное завершение курса «Искусство тематической интерпретации».

Наверх