Please use this identifier to cite or link to this item:
https://er.nau.edu.ua/handle/NAU/61100
Title: | Classifier of hyperspectral images |
Other Titles: | Класифікатор гіперспетральних зображень |
Authors: | Liusik, Bohdan Люсік, Богдан Адамович |
Keywords: | master’s thesis hyperspectral images remote sensing of the earth neural networks object classification mathematical modeling кваліфікаційна робота гіперспектральні зображення дистанційне зондування землі нейронні мережі класифікація об'єктів математичне моделювання |
Issue Date: | 23-Jun-2023 |
Publisher: | National Aviation University |
Citation: | Liusik B. A. Classifier of hyperspectral images. – Thesis for a bachelor's degree in "Automation and computer-integrated technologies" – National Aviation University, Kyiv, 2023, 88 p. |
Abstract: | The field of remote sensing has seen incredible advances over the past few
decades, with hyperspectral imaging forming a significant component of this
progress. This cutting-edge technology, which captures and processes information
from across the electromagnetic spectrum, enables more accurate identification of
objects and materials than traditional imaging methods. However, despite its
potential, the classification of hyperspectral images (HSIs) poses unique challenges
that demand rigorous exploration. The primary aim of this diploma is to address
these challenges, focusing on the development and evaluation of advanced
classification techniques for hyperspectral imaging data.
Hyperspectral images carry rich information as they consist of hundreds of
contiguous spectral bands. This high dimensionality, however, brings about the
'curse of dimensionality,' where the increased complexity in handling, processing,
and interpreting these images becomes a challenge. This diploma aims to address
this problem by developing effective dimension reduction method and feature
extraction techniques that will simplify the classification process, while preserving
the maximum amount of spectral information.
Through an in-depth analysis, experimentation, and implementation, this
diploma aims to push the frontiers of current hyperspectral image classification
methodologies. It will strive to develop a scalable, efficient, and accurate
classification system capable of handling the challenges associated with
hyperspectral data, thus paving the way for a broader range of applications in areas
like agriculture, mineralogy, environmental science, and defense. За останні кілька десятиліть дистанційне зондування досягло неймовірних успіхів, причому гіперспектральне зображення є суттєвим компонентом цього прогресу. Ця передова технологія, яка фіксує та обробляє інформацію з усього електромагнітного спектру, дозволяє точніше ідентифікувати об’єкти та матеріали, ніж традиційні методи візуалізації. Однак, незважаючи на свій потенціал, класифікація гіперспектральних зображень (HSI) створює унікальні проблеми, які потребують ретельного дослідження. Основною метою цього диплому є вирішення цих проблем, зосереджуючись на розробці та оцінці передових методів класифікації даних гіперспектральних зображень. Гіперспектральні зображення несуть багато інформації, оскільки вони складаються із сотень безперервних спектральних смуг. Однак ця висока розмірність породжує «прокляття розмірності», де підвищена складність обробки, обробки та інтерпретації цих зображень стає проблемою. Цей диплом спрямований на вирішення цієї проблеми шляхом розробки ефективного методу та функції зменшення розмірів методи вилучення, які спростять процес класифікації, зберігаючи при цьому максимальну кількість спектральної інформації. Завдяки поглибленому аналізу, експерименту та реалізації цей диплом має на меті розширити межі сучасних методологій класифікації гіперспектральних зображень. Він прагнутиме розробити масштабовану, ефективну та точну систему класифікації, здатну впоратися з проблемами, пов’язаними з гіперспектральними даними, прокладаючи таким чином шлях для більш широкого спектру застосувань у таких сферах, як сільське господарство, мінералогія, наука про навколишнє середовище та оборона. |
Description: | Робота публікується згідно наказу Ректора НАУ від 27.05.2021 р. №311/од "Про розміщення кваліфікаційних робіт здобувачів вищої освіти в репозиторії університету". Керівник роботи: кандидат технічних наук, старший викладач кафедри авіаційних комп’ютерно-інтегрованих комплексів, Гордієнко Олександр Миколайович |
URI: | https://er.nau.edu.ua/handle/NAU/61100 |
Appears in Collections: | Кваліфікаційні роботи здобувачів вищої освіти кафедри авіаційних комп'ютерно-інтегрованих комплексів (НОВА) |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Люсік_БА_КП–404Ба.pdf | Кваліфікаційна робота з пояснювальною запискою | 2.46 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.