A Correlative Method to Rank Sensors with Information Reliability: Interval-Valued Numbers Case

Popov, Mykhailo; Zaitsev, Oleksandr; Stambirska, Ruslana G.; Alpert, Sofiia; Kondratov, Oleksandr M.

doi:10.1007/978-3-030-74556-1_17

Cited by 2 publications

(1 citation statement)

References 19 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Нагадаємо, що навчальна вибіркаце набір пікселів із відомими в результаті наземних спостережень класами [8][9][10][11].…”

Section: процедура відбору інформативної підсистеми ознакunclassified

A new band selection method for multispectral data based on criterion function of information capability

Alpert¹

2023

MDCS

View full text Add to dashboard Cite

Multispectral remote sensing is one of the most popular techniques in the earth observation, because this technique can provide information of ground objects on Earth’s surface using hundreds of narrow bands. However, multispectral images produces a very large volume of data. Processing the huge volume of information is one of most important and actual problems of remote sensing. The rapid development of the remote sensing demand to develop the data processing algorithms. But at present data processing techniques cannot give accurate results. If we use traditional methods to process multispectral images, the volume of the data increases. The main goal of the band selection is to choose the optimal combination of spectral bands for the solution of the particular remote sensing task. This process is important because different bands are sensitive to different objects. Selecting the right bands can help to optimize the detection of different ground objects. Some spectral bands are more sensitive to minerals, while others are more sensitive to vegetation or water bodies. Under a small number of training samples, the classification accuracy of multispectral images decreases when the volume of multispectral data increases. Usually adjacent bands are highly correlated, and some spectral bands may not carry unique information. That’s why it is necessarily to reduce the dimensionality of multispectral data. It helps to store, process, transmit information more efficiently and to reduce the computational costs while processing images. The different modern methods of multispectral band selection are also considered and analyzed in this work. It also is proposed a new method to select spectral bands, which is based on the concept of criterion function of information capability of spectral bands. In this article some examples using criterion function of information capability are considered too.

show abstract

Section: процедура відбору інформативної підсистеми ознакunclassified

A new band selection method for multispectral data based on criterion function of information capability

Alpert¹

2023

MDCS

View full text Add to dashboard Cite

show abstract

Застосування Новітніх Методів Обробки Космічних Зображень Для Вирішення Задач Екологічного Моніторингу

Альперт

2024

UJRS

View full text Add to dashboard Cite

Сучасні методи та підходи дистанційного зондування Землі (ДЗЗ) відкривають нові можливості для проведення більш детальних наукових досліджень. На даний час у ДЗЗ застосовується багато методів обробки космічних зображень (ГКЗ). Відбір спектральних каналів та процедура класифікування є одними із найбільш важливих та складних процедур обробки космічних зображень. У даній статті пропонується застосовувати метод відбору спектральних каналів на основі кореляційного аналізу, правило комбінування Ягера та нормалізований диференційний вегетаційний індекс для проведення обробки супутникових даних. На першому кроці обробки космічного зображення застосовано використовується для оцінки густини зеленої рослинності. Різним класам об’єктів, таким як: пісок, ґрунт, водойми, зелена рослинність, дороги та місця нафтозабруднень, відповідають різні значення вегетаційного індексу. Використовуючи можна обрати саме ті класи, що що саме потрібні для розв’язку конкретної задачі. На другому кроці обробки космічного зображення застосовано метод контрольованого класифікування. Але багато методів контрольованого класифікування не можуть працювати із суперечливими даними, оскільки дають нелогічні та невірні результати. Ось чому слід використовувати теорію свідчень Демпстера-Шейфера та правило комбінування Ягера. Правило Ягера може обробляти неточні та неповні дані, отримані із різних спектральних каналів. У цій роботі описані та проаналізовані основні переваги теорії свідчень Демпстера-Шейфера та правила комбінування Ягера. Теорія свідчень Демпстера-Шейфера набула розвитку через необхідність обійти обмеження теорії ймовірностей. Зазначено, що правило комбінування Ягера дозволяє швидко та легко обробляти інформацію. У цій статті була наведена формула правила комбінування Ягера. Було розглянуто числовий приклад, де та правило комбінування Ягера використовувалися для виявлення та картографування місць нафтозабруднень. Описані методи обробки космічних зображень можна застосовувати для вирішення різних сільськогосподарських і практичних завдань, для пошуку корисних копалин та для проведення екологічного моніторингу.

show abstract

A Correlative Method to Rank Sensors with Information Reliability: Interval-Valued Numbers Case

Cited by 2 publications

References 19 publications

A new band selection method for multispectral data based on criterion function of information capability

A new band selection method for multispectral data based on criterion function of information capability

Застосування Новітніх Методів Обробки Космічних Зображень Для Вирішення Задач Екологічного Моніторингу

Contact Info

Product

Resources

About