Zaawansowane algorytmy klasyfikacji danych rastrowych 1900-3-ZAK-KT
Przedmiot ma za zadanie zapoznać studenta wykorzystaniem danych wysokorozdzielczych w klasyfikacji obrazów a także z nowoczesnymi algorytmami klasyfikacji obrazów. Student pozna metody przygotowania danych do wykonania klasyfikacji (korekcja radiometryczna, atmosferyczna, topograficzna), kompresji danych, opracowania wzorców do klasyfikacji (pozyskiwanie charakterystyk spektralnych, biblioteki spektralne) oraz zaawansowane algorytmy klasyfikacji – sztuczne sieci neuronowe, Support Vector Machines, Specral Angle Mapper, Spectral Unmixing i inne.
W czasie zajęć prowadzony będzie wykład, a następnie powiązane z nim ćwiczenia z zastosowaniem oprogramowania firmy Exelis – ENVI (w języku angielskim). W ramach samodzielnej nauki student będzie wykonywał ćwiczenia oraz studiował literaturę w języku polskim i angielskim.
Rodzaj przedmiotu
Tryb prowadzenia
Założenia (lista przedmiotów)
Założenia (opisowo)
Efekty kształcenia
Student potrafi:
- określić, jaki rodzaj danych należy zastosować do konkretnego algorytmu klasyfikacji
- zdefiniować etapy przetwarzania danych do klasyfikacji (korekcje, kompresje)
- wyjaśnić zasadę działania algorytmów klasyfikacyjnych
- wyjaśnić sposób pobierania, budowę i wykorzystanie bibliotek spektralnych do klasyfikacji
- wyznaczyć wzorce do klasyfikacji
- wyznaczyć schemat przetwarzania obrazów do wykonania klasyfikacji
- opisać procedurę korekcji atmosferycznej, geometrycznej obrazów
- przeprowadzić klasyfikację danych rastrowych przy użyciu przedstawionych algorytmów
- ocenić dokładność wykonanych klasyfikacji
- wymienić zastosowania wybranych algorytmów klasyfikacji w badaniach środowiska
Kryteria oceniania
Ocena z całości przedmiotu jest złożona z dwóch części
1. oceny z ćwiczeń:
- kilku ćwiczeń, które wykonuje student w czasie trwania zajęć i w ramach
- projektu wykonywanego w sali
2. oceny z egzaminu.
Do zaliczenia konieczne są obecności na zajęciach (dopuszczalne są dwie nieobecności nieusprawiedliwione). Minimalny próg zaliczenia to 60% punktów.
Do egzaminu dopuszczane są osoby, które zaliczyły ćwiczenia. Ocena końcowa jest wspólna z oceną z ćwiczeń.
Praktyki zawodowe
-
Literatura
Zagajewski B., Sobczak M., (red.) 2005. Imaging spectroscopy. New quality in environmental studies. EARSeL, Uniwersytet Warszawski WGiSR, Warszawa
ERDAS Field Guide, przewodnik geoinformatyczny, 1998. GEOSYSTEMS Polska, Warszawa.
Jensen J.R., 1996. Introductory digital image precessing – a remote sensing perspective. 2ed ed. Prentice Hall.
Więcej informacji
Więcej informacji o poziomie przedmiotu, roku studiów (i/lub semestrze) w którym się odbywa, o rodzaju i liczbie godzin zajęć - szukaj w planach studiów odpowiednich programów. Ten przedmiot jest związany z programami:
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: