|
|
Klasifikace smrkových porostů s využitím obrazové a laboratorní spektroskopie
Soudková, Kristýna ; Potůčková, Markéta (vedoucí práce) ; Kupková, Lucie (oponent)
Diplomová práce se zabývá subpixelovou klasifikací hyperspektrálních dat ze senzoru APEX. V rešeršní části jsou popsány algoritmy subpixelové klasifikace a spektrální charakteristiky vegetace. V praktické části je zpracována klasifikace smrkových porostů na osmi stanovištích v oblasti první zóny Krkonošského národního parku. Ke klasifikaci byly využity tři metody řízené klasifikace - Linear Spectral Unmixing, Support Vector Machine a Spectral Angle Mapper. Pro získání koncových členů byla využita data nasbíraná při terénní kampani pomocí kontaktní sondy připojené na přístroj ASD FieldSpec 4 Wide-Res. Pro každé stanoviště byly vytvořeny mapy krajinného pokryvu a zpracovány přesnosti jednotlivých klasifikací. Powered by TCPDF (www.tcpdf.org)
|
|
|
Klasifikace UAV hyperspaktrálních obrazových dat s využitím metod hlubokého učení
Řádová, Martina ; Potůčková, Markéta (vedoucí práce) ; Kupková, Lucie (oponent)
Uvedená diplomová práce "Klasifikace UAV hyperspektrálních (HS) obrazových dat s využitím metod hlubokého učení" se v obecné rovině věnuje klasifikačním metodám hyperspektrálních snímků. Ve své rešeršní části diplomová práce podává obecný přehled metod konvolučních neuronových sítí. Na základě toho je sestaven přehledný rámec jako podklad pro vytipování vhodné metody pro tuto práci. Vybrány jsou dvě metody s otevřeným řešením v jazyce Python. Zvolenými metodami jsou Capsule Network a U-Net. Cílem práce je ověřit vhodnost těchto metod pro klasifikaci hyperspektrálních snímků krkonošské tundry s vysokým prostorovým rozlišením. Dílčím cílem je i příprava vstupních HS (54 pásem, 9 cm) dat do vhodné podoby pro vstup do sítě. Vzhledem ke složitosti architektury nebylo dosaženo všech požadovaných výsledků u metody Capsule Network. Pro účely porovnání a ověření výsledků byla použita metoda U-Net. Ta dosáhla přesnějších výsledků oproti hodnotám získávaným tradičními metodami (SVM, ML, RF a další), kdy celková přesnost byla u U-Net vyšší než 90% a u ostatních zmiňovaných metod OA nepřesáhla 88%. Zejména třídy suť a kleč vyšly výrazně přesněji než všechny ostatní třídy (UA - user's accuracy a PA - producer's accuracy přes 99%). Klíčová slova Hluboké učení, konvoluční neuronové sítě, hyperspektrální snímky,...
|
|
|
Vliv spektrálního rozlišení na klasifikaci krajinného pokryvu v krkonošské tundře
Palúchová, Miroslava ; Červená, Lucie (vedoucí práce) ; Kupková, Lucie (oponent)
Vliv spektrálního rozlišení na klasifikaci krajinného pokryvu v krkonošské tundře Abstrakt Diplomová práce je zaměřena na specifikaci požadavků na spektrální rozlišení dat vstupujících do klasifikace a zodpovězení otázky, která pásma jsou stěžejní pro rozlišení tříd předem stanovené legendy. V práci jsou použita letecká hyperspektrální data senzoru AisaDUAL. Aplikovanou metodou výběru významných pásem byla diskriminační analýza provedena v IBM SPSS Statistics. Významná pásma se nacházela v intervalech 1500-1750 nm (začátek oblasti SWIR), 1100-1300 nm (delší vlnové délky NIR), 670-760 (red-edge) a 500-600 nm (zelené pásmo). Klasifikace vybraných pásem proběhla v ENVI 5.4 pomocí klasifikátoru Support Vector Machine a dosáhla celkové přesnosti 80,54 %, Kappa koeficient 0,7755. Součástí práce je také hodnocení vhodnosti dostupných družicových dat pro klasifikaci vegetace tundry z hlediska spektrálního rozlišení. Klíčová slova: tundra, Krkonoše, klasifikace, spektrální rozlišení, separabilita tříd, diskriminační analýza, hyperspektrální data
|
|
|
Classification of meadow vegetation in the Krkonoše Mts. using aerial hyperspectral data and support vector machines classifier
Hromádková, Lucie ; Kupková, Lucie (vedoucí práce) ; Potůčková, Markéta (oponent)
Tato diplomová práce se zabývá využitím leteckých hyperspektrálních dat senzoru AISA a klasifikačních metod Support Vector Machines (SVM) a Neural Networks (NN) pro mapování lučních společenstev v Krkonošském národním parku. Hlavní cíle práce jsou experimentální určení nejlepší kombinace parametrů algoritmu SVM, a navržení ideálního trénovacího datasetu pro tento algoritmus a krkonošská luční společenstva. Kritériem úspěšnosti jednotlivých kombinací parametrů SVM a trénovacích datasetů jsou výsledky posouzení přesnosti klasifikace pomocí confusion matic a kappa koeficientu. Kromě hlavních cílů je účelem práce také porovnání klasifikačních algoritmů SVM a NN, především co se týče počtu trénovacích pixelů potřebných pro úspěšnou klasifikaci horských luk. Hlavními výstupy práce jsou klasifikační mapy zájmových území a skripty v jazyce Python, které budou předány Správě KRNAP pro další využití v monitoringu a ochraně cenných lučních společenstev. Klíčová slova: hyperspektrální data, AISA, Support Vector Machines, Neural Networks, trénovací dataset, horská luční vegetace
|
|
|
Klasifikace smrkových porostů s využitím obrazové a laboratorní spektroskopie
Soudková, Kristýna ; Potůčková, Markéta (vedoucí práce) ; Kupková, Lucie (oponent)
Diplomová práce se zabývá subpixelovou klasifikací hyperspektrálních dat ze senzoru APEX. V rešeršní části jsou popsány algoritmy subpixelové klasifikace a spektrální charakteristiky vegetace. V praktické části je zpracována klasifikace smrkových porostů na osmi stanovištích v oblasti první zóny Krkonošského národního parku. Ke klasifikaci byly využity tři metody řízené klasifikace - Linear Spectral Unmixing, Support Vector Machine a Spectral Angle Mapper. Pro získání koncových členů byla využita data nasbíraná při terénní kampani pomocí kontaktní sondy připojené na přístroj ASD FieldSpec 4 Wide-Res. Pro každé stanoviště byly vytvořeny mapy krajinného pokryvu a zpracovány přesnosti jednotlivých klasifikací. Powered by TCPDF (www.tcpdf.org)
|
|
|
Využití hyperspektrálních dat ke klasifikaci vegetace alpínského bezlesí v Krkonoších
Andrštová, Martina ; Kupková, Lucie (vedoucí práce) ; Potůčková, Markéta (oponent)
Využití hyperspektrálních dat ke klasifikaci vegetace alpínského bezlesí v Krkonoších ABSTRAKT Diplomová práce je součástí projektu HyMountEcos, který se zabývá komplexním hodnocením ekosystémů v Krkonošském národním parku s využitím hyperspektrálních dat. Zájmovým územím je oblast alpínského bezlesí v Krkonošském národním parku (krkonošská tundra). Cílem práce bylo vytvoření podrobné metodiky klasifikace vegetačního pokryvu z hyperspektrálních dat senzoru AISA DUAL a APEX, nalezení klasifikátoru, který zlepší přesnost klasifikace oproti údajům z literatury, a porovnání přesností dosažených pomocí těchto dvou typů dat. Na data bylo aplikováno několik klasifikačních algoritmů (Spectral Angle Mapper, Linear Spectral Unmixing, Support Vector Machine, MESMA a Neural Net), výsledky klasifikací byly v následujícím kroku statisticky vyhodnoceny a porovnány. Jako nejpřesnější byla vyhodnocena metoda Neural Net, která poskytuje nejpřesnější výsledky pro data APEX (celková přesnost 96 %, Kappa koeficient 0,95) i AISA DUAL (celková přesnost 90 %, Kappa koeficient 0,88). Výsledná přesnost klasifikace (celková i pro některé třídy) dosáhla lepších výsledků, než jsou zmiňovány v literatuře Výstupem práce jsou také mapy vegetace alpínského bezlesí zpracované na žádost Správy Krkonošského národního parku, které budou...
|
|
|
Hyperspectral Remote Sensing for Environmental Mapping and Monitoring
Kopačková, Veronika ; Kolář, Jan (vedoucí práce) ; Chabrillat, Sabine (oponent) ; Van den Meer, F. Devaraj (oponent)
Předložená disertační práce se věnuje aplikaci metod obrazové spektroskopie jako moderního nástroje pro environmentální monitoring, přičemž se zaměřuje na modelování vybraných geochemických a biochemických parametrů Disertační práce je členěna do dvou tematických celků. První z nich (kapitoly 2 a 3) je věnován aplikaci minerální a obrazové spektroskopie pro vymezení plošného výskytu povrchové acidifikace (anglický termín: AMD - Acid Mine Drainage) a modelování povrchového pH. Druhá tematická část (kapitoly 4, 5 a 6) se věnuje zhodnocení fyziologického stavu smrkových porostů. V kapitole 2 jsou s využitím satelitních dat ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer satellite data) plošně vymezeny kyselé zvětralinové povrchy (pH<4), jež charakterizuje výskyt jarositu a lignitu (hnědé uhlí). Kapitola 3 se věnuje vytvoření modelu pro odhad povrchového pH odkrytých substrátů s využitím leteckých hyperspektrálních dat HyMap (07/2009). Tato studie je jednou z prvních, jež aplikuje metody obrazové spektroskopie pro kvantitativní modelování pH v prostředí povrchových dolů vyznačující se vysokou heterogenitou. V druhé tematické části je obrazová spektroskopie aplikována do oblasti monitoringu zdravotního stavu lesních smrkových porostů, které se vyskytují v bezprostředním okolí...
|
|
|
Využití hyperspektrálních dat k detekci a klasifikaci vybraných antropogenních materiálů
Novotná, Kateřina ; Kupková, Lucie (vedoucí práce) ; Batistová, Jana (oponent)
Práce se zabývá možnostmi využití hyperspektrálních dat senzorů APEX a AISA k detekci a klasifikaci antropogenních materiálů v území Čáslavi, Rokytnice nad Jizerou a Harrachova. Hlavním cílem práce bylo navrhnout metodiku detekce a klasifikace střešních krytin a pokryvů komunikací na základě vytvořených spektrálních knihoven. Dalším cílem bylo zhodnotit možnosti využitelnosti spektrálních knihoven pro klasifikaci, porovnat možnosti hyperspektrálních dat s větším a menším spektrálním rozsahem a vytvořit mapy sledovaných antropogenních materiálů. V metodické části je popsán postup zpracování, zahrnující vytvoření masek antropogenních materiálů pro komunikace a střešní krytiny, nastavení parametrů čtyř vybraných klasifikačních algoritmů (Linear Spectral Unmixing, Multiple Endmember Mixture Analysis, Spectral Angle Mapper, Spectral Information Divergence) a zhodnocení přesnosti klasifikace. Výsledky jsou vizualizovány a zhodnoceny z hlediska vypočtené celkové přesnosti klasifikace a celkového podílu klasifikovaných pixelů. Na závěr jsou dosažené výsledky porovnány s existujícími studiemi a jsou uvedena možná vylepšení pro pokračování práce na tomto tématu. Powered by TCPDF (www.tcpdf.org)
|
|
|
Mapování vybraných druhů hornin vrcholových partií Krkonoš s využitím laboratorní a obrazové spektroskopie
Kubečková, Jana ; Kupková, Lucie (vedoucí práce) ; Potůčková, Markéta (oponent)
Mapování vybraných druhů hornin vrcholových partií Krkonoš s využitím laboratorní a obrazové spektrosokopie Abstrakt Tato práce se zabývá geologickým mapováním vrcholových partiích Krkonoš. Byla hodnocena čtyři zájmová území - v západní části Krkonoš se jedná o oblast Vysokého kola a Harrachových kamenů a ve východní části se jedná o oblast Sněžky a oblast Kozích hřbetů. Hlavním zdrojem dat jsou letecká hyperspektrální data pořízená senzorem APEX, dále byla využita pozemní měření spekter kamenných moří a geologických výchozů a laboratorní měření spekter jednotlivých v terénu nasbíraných vzorků hornin a lišejníků. Praktická část je zaměřena na klasifikaci hornin a lišejníků ve vybraných oblastech pomocí čtyř klasifikačních metod: SAM, SID, MESMA a LSU. Součástí práce je také vytvoření unikátní spektrální knihovny pro sledované oblasti která obsahuje jak spektra čistých hornin, tak spektra hornin smísených v různém poměru s lišejníky. Výstupem práce je porovnání přesnosti jednotlivých použitých klasifikačních metod, zhodnocení vlivu lišejníků na výsledky klasifikace, zmíněná spektrální knihovna a mapy výskytu klasifikovaných hornin v zájmových územích. Klíčová slova: klasifikace, kamenná moře, hyperspektrální data, spektrální mísení, lišejníky, Krkonoše
|
|
|
Určení obsahu rozpustných fenolických látek v porostech smrku ztepilého s využitím hyperspektrálních dat
Buřičová, Michaela ; Kupková, Lucie (vedoucí práce) ; Petruchová, Jana (oponent)
Diplomová práce se zabývá možnostmi stanovení obsahu ligninu a fenolických látek v jehlicích smrku ztepilého s využitím hyperspektrálních dat. Po shrnutí výzkumných prací zabývajících se analýzou ligninu a fenolických látek se praktická část zaměřuje na stanovení intervalu vlnových délek, které jsou vhodné pro detekci ligninu a fenolických látek. Na vybraných oblastech spektra je aplikována regresní analýza pro nalezení vztahu mezi spektrálními vlastnostmi jehlic a obsahem biochemických látek. Dále jsou vypočítány indexy NDLI, mNDLI a RLI. Podkladem této praktické části jsou letecké hyperspektrální snímky senzoru HyMap z roku 2009 a 2010 v oblasti Sokolova, spektrální křivky sušiny a čerstvých větví smrku ztepilého a obsah ligninu a fenolických látek stanovený v laboratoři. Výsledkem práce jsou mapy zobrazující obsah ligninu ve smrku ztepilém. Klíčová slova: Smrk ztepilý (Picea Abies), lignin, fenolické látky, PLS metoda, vícerozměrná kroková regrese, NDLI
|
host ::
RSS.