Témata prací (Výběr práce)Témata prací (Výběr práce)(verze: 368)
Detail práce
   Přihlásit přes CAS
Klasifikace smrkových porostů s využitím obrazové a laboratorní spektroskopie
Název práce v češtině: Klasifikace smrkových porostů s využitím obrazové a laboratorní spektroskopie
Název v anglickém jazyce: Classification of Norway Spruce based on imaging and laboratory spectroscopy
Klíčová slova: hyperspektrální data, klasifikace, linear spectral unmixing, vector support machine
Klíčová slova anglicky: hyperspectral images, classification, linear spectral unmixing, vector support machine
Akademický rok vypsání: 2012/2013
Typ práce: diplomová práce
Jazyk práce: čeština
Ústav: Katedra aplikované geoinformatiky a kartografie (31-370)
Vedoucí / školitel: Ing. Markéta Potůčková, Ph.D.
Řešitel: skrytý - zadáno vedoucím/školitelem
Datum přihlášení: 21.03.2013
Datum zadání: 21.03.2013
Datum odevzdání elektronické podoby:26.08.2014
Datum proběhlé obhajoby: 16.09.2014
Oponenti: doc. RNDr. Lucie Kupková, Ph.D.
 
 
 
Předběžná náplň práce
Proveďte klasifikaci vegetačního pokryvu se zaměřením na smrkové porosty v modelových územích vnitřních zón Krkonošského národního parku. Klasifikace bude provedena z hyperspektrálních dat pořízených senzorem APEX. Porovnejte výsledky klasifikačních algoritmů Linear Spectral Unmixing, Support Vector Machine a Spectral Angle Mapper. Ověřte možnost využití dat získaných spektrometrem ASD FieldSpec 4 a kontaktní sondou během pozemní kampaně pro (subpixelovou) klasifikaci hyperspektrálních dat.

Literatura:
ARCHIBALD, R., FANN, G. (2007): Feature Selection and Classification of Hyperspectral Images With Support Vector Machines. IEEE Geoscience and Remote Sensing Letters. 2007. roč. 4, č. 4, str. 674 – 677.
BOVOLO, F., BRUZZONE, L., CARLIN, L. (2010): A Novel Technique for Subpixel Image Classification Based on Support Vector Machine. Image Processing, IEEE Transactions on. 2010. roč. 19, č. 11, str. 2983 – 2999.
MARTIN, M. E., NEWMAN S.D., ABER J. D., CONGALTON R. G. (1998): Determining Forest Species Composition Using High Spectral Resolution Remote Sensing Data. Remote Sensing of Environment. 1998. č. 65, str. 249 – 254.
RICHARDS, J. A., JIA, X. (2006): Remote sensing digital image analysis. Sprinter-Verlag Berlin Heidelberg, 2006, ISBN-13 978-540-25128-6.
 
Univerzita Karlova | Informační systém UK