|
|
Extrakce krajinných prvků z dat dálkového průzkumu
Ferencz, Jakub ; Kalvoda, Petr (oponent) ; Hanzl, Vlastimil (vedoucí práce)
Tato diplomová práce se zabývá klasifikačními metodami pro automatickou detekci různých krajinných prvků z kombinace snímků vysokého rozlišení a LiDAR dat. Hlavním cílem je představit další možnou metodu zpracování pro volně přístupná data, která může nahradit tradiční mapování pro specifické aplikace. Klasifikace snímků je metoda, která dělí snímek do různých kategorií a zajišťuje tak stálý a aktuální monitoring. V dnešní době, s přístupem k novým technologiím a softwarům, je možné postupně nahradit tradiční monitorovací postupy plně automatizovaným procesem, jehož výstupem jsou přesná a levná data. V tomto projektu je použita objektově orientovaná analýza snímků (OBIA) pro klasifikaci pěti terénních typů z použitých dat. Byl vyvinut a testován automatický klasifikační proces, který poskytuje 88 % úspěšnost správného přiřazení terénního typu. Následně, přenosnost tohoto postupu byla testována v jiné lokalitě s podobným úspěchem - přesnost správného přiřazení byla 87 %. Závěr práce se zabývá problémy, které se vyskytly v průběhu tvorby tohoto klasifikačního postupu a nastiňuje další varianty, které by bylo možné použít pro zlepšení celého procesu.
|
|
|
Automatická extrakce budov a zpevněných ploch z dat velmi vysokého rozlišení v suburbánní zóně Prahy
Horňáková, Markéta ; Kupková, Lucie (vedoucí práce) ; Potůčková, Markéta (oponent)
6 Automatická extrakce budov a zpevněných ploch z dat velmi vysokého rozlišení v suburbánní zóně Prahy Abstrakt V současné době, kdy jsou družicová data velmi vysokého rozlišení a data leteckého laserového skenování dostupnější, roste také možnost jejich využívání v různých typech aplikací. S rychlým rozvojem zázemí měst vzrůstá potřeba monitorovat tyto suburbánní oblasti, aby nedocházelo k nekoordinované výstavbě. Tato práce se proto zaměřuje na objektově orientovanou klasifikaci s cílem navržení vlastního metodického postupu pro extrakci budov a zpevněných ploch ve vybraných oblastech komerční suburbanizace v okolí Prahy. Cílem bylo mimo jiné nalezení pravidel pro rozlišení různých typů střech a zpevněných ploch v závislosti na materiálu, tvarových charakteristikách atd. Literární rešerše podává v úvodu přehled metod klasifikace a extrakce budov a zpevněných ploch s využitím optických dat velmi vysokého rozlišení a výškových dat. Pro analýzu modelových území zón komerční suburbanizace v zázemí Prahy byly využity snímky velmi vysokého rozlišení ze senzoru Quickbird a výšková data leteckého laserového skenování LIDAR a metody objektově orientované klasifikace. Navržený metodický postup využívá v procesu klasifikace informace o výšce vycházející z nDSM (normalized digital surface model) a dále soubor...
|
|
|
HODNOCENÍ POŠKOZENÍ LESNÍCH POROSTŮ S VYUŽITÍM DRUŽICOVÝCH A LIDAROVÝCH DAT
Lihanová, Kristýna ; Štych, Přemysl (vedoucí práce) ; Bartaloš, Tomáš (oponent)
Hodnocení poškození lesních porostů s využitím družicových a lidarových dat Abstrakt Hlavním cílem této diplomové práce je vytvoření metodického postupu vhodného pro hodnocení poškození lesních porostů ve vybrané oblasti Národního parku Šumava při kombinaci multispektrálních a lidarových dat. Lesy v této oblasti jsou silně poškozené především díky přemnožení lýkožrouta smrkového a nacházejí se zde jak zdravé, tak poškozené lesní porosty. Na základě tohoto metodického postupu bude rozlišen o něco vyšší počet klasifikačních tříd (5 tříd), než který je uváděn ve většině odborné literatury. V práci byl použit zaostřený multispektrální snímek SPOT, multispektrální snímek Landsat a data z leteckého laserového skenování s malou hustotou bodů. Dílčím úkolem bylo z dat LLS získat informaci o výšce lesního porostu v podobě rastru. Lesní porosty byly klasifikovány metodou objektově orientované klasifikace, která zahrnovala nejprve segmentaci a poté tvorbu klasifikační báze. Do klasifikace vstupovala kromě spektrální informace také informace o průměrné výšce vegetace získaná z dat LLS. Lesy byly klasifikovány celkem do 5 tříd a přesnost obou klasifikací byla hodnocena pomocí chybové matice a kappa koeficientu. Klasifikace snímku SPOT dosáhla hodnoty kappa koeficientu 68,5 % a u klasifikace snímku Landsat se hodnota...
|
|
|
Rozpoznávání a klasifikace polygonálních struktur mrazových klínů z dat DPZ
Kříž, Jan ; Potůčková, Markéta (vedoucí práce) ; Brodský, Lukáš (oponent)
Rozpoznávání a klasifikace polygonálních struktur mrazových klínů z dat DPZ Abstrakt Hlavním cílem práce je ověření možnosti použití objektové klasifikace při identifikaci polygonálních struktur mrazových klínů a nalezení obecné metodiky klasifikace. V práci je porovnáván objektový přístup s přístupem pixelovým. V práci byly připraveny klasifikační báze OBIA pro tři snímky senzoru HiRISE z lokalit polygonálních struktur na Marsu a byl vytvořen obecný postup pro tvorbu takovýchto klasifikačních bází. Jako referenční data jsou použity polygony manuálně vektorizované podle postupů běžných v geomorfologickém výzkumu. V případě všech tří lokalit byl výsledek objektové klasifikace přesnější oproti pixelové klasifikaci, která poskytla relevantní výsledky pouze v případě jedné lokality. Dalším cílem práce je automatizace procesu získání informace o morfometrických charakteristikách polygonů a následná klasifikace polygonů podle těchto charakteristik. V rámci této automatizace byly navrženy postupy tvorby polygonové sítě a stanoveny doporučené parametry algoritmů, z kterých se postup skládá. Tyto postupy byly realizovány díky vytvořeným nástrojům ("toolboxům") pro software ArcGIS, které jsou jedním z výstupů této práce. Klíčová slova: strukturní půdy, mrazové polygony, DPZ, OBIA, HiRISE
|
|
|
Automatická extrakce budov a zpevněných ploch z dat velmi vysokého rozlišení v suburbánní zóně Prahy
Horňáková, Markéta ; Kupková, Lucie (vedoucí práce) ; Potůčková, Markéta (oponent)
6 Automatická extrakce budov a zpevněných ploch z dat velmi vysokého rozlišení v suburbánní zóně Prahy Abstrakt V současné době, kdy jsou družicová data velmi vysokého rozlišení a data leteckého laserového skenování dostupnější, roste také možnost jejich využívání v různých typech aplikací. S rychlým rozvojem zázemí měst vzrůstá potřeba monitorovat tyto suburbánní oblasti, aby nedocházelo k nekoordinované výstavbě. Tato práce se proto zaměřuje na objektově orientovanou klasifikaci s cílem navržení vlastního metodického postupu pro extrakci budov a zpevněných ploch ve vybraných oblastech komerční suburbanizace v okolí Prahy. Cílem bylo mimo jiné nalezení pravidel pro rozlišení různých typů střech a zpevněných ploch v závislosti na materiálu, tvarových charakteristikách atd. Literární rešerše podává v úvodu přehled metod klasifikace a extrakce budov a zpevněných ploch s využitím optických dat velmi vysokého rozlišení a výškových dat. Pro analýzu modelových území zón komerční suburbanizace v zázemí Prahy byly využity snímky velmi vysokého rozlišení ze senzoru Quickbird a výšková data leteckého laserového skenování LIDAR a metody objektově orientované klasifikace. Navržený metodický postup využívá v procesu klasifikace informace o výšce vycházející z nDSM (normalized digital surface model) a dále soubor...
|
|
|
Extrakce krajinných prvků z dat dálkového průzkumu
Ferencz, Jakub ; Kalvoda, Petr (oponent) ; Hanzl, Vlastimil (vedoucí práce)
Tato diplomová práce se zabývá klasifikačními metodami pro automatickou detekci různých krajinných prvků z kombinace snímků vysokého rozlišení a LiDAR dat. Hlavním cílem je představit další možnou metodu zpracování pro volně přístupná data, která může nahradit tradiční mapování pro specifické aplikace. Klasifikace snímků je metoda, která dělí snímek do různých kategorií a zajišťuje tak stálý a aktuální monitoring. V dnešní době, s přístupem k novým technologiím a softwarům, je možné postupně nahradit tradiční monitorovací postupy plně automatizovaným procesem, jehož výstupem jsou přesná a levná data. V tomto projektu je použita objektově orientovaná analýza snímků (OBIA) pro klasifikaci pěti terénních typů z použitých dat. Byl vyvinut a testován automatický klasifikační proces, který poskytuje 88 % úspěšnost správného přiřazení terénního typu. Následně, přenosnost tohoto postupu byla testována v jiné lokalitě s podobným úspěchem - přesnost správného přiřazení byla 87 %. Závěr práce se zabývá problémy, které se vyskytly v průběhu tvorby tohoto klasifikačního postupu a nastiňuje další varianty, které by bylo možné použít pro zlepšení celého procesu.
|
host ::
RSS.