Možnosti detekce vegetace s využitím clusterizace
Název práce v češtině: | Možnosti detekce vegetace s využitím clusterizace |
---|---|
Název v anglickém jazyce: | Detection of the vegetation using spatial clustering |
Klíčová slova: | cluster, facility location clustering, pseudonorma, anizotropitivita, klasifikace, rozpoznávání, vegetace, skály |
Akademický rok vypsání: | 2022/2023 |
Typ práce: | bakalářská práce |
Jazyk práce: | čeština |
Ústav: | Katedra aplikované geoinformatiky a kartografie (31-370) |
Vedoucí / školitel: | doc. Ing. Tomáš Bayer, Ph.D. |
Řešitel: | skrytý - zadáno a potvrzeno stud. odd. |
Datum přihlášení: | 06.12.2022 |
Datum zadání: | 26.01.2023 |
Datum potvrzení stud. oddělením: | 30.01.2023 |
Datum odevzdání elektronické podoby: | 28.07.2023 |
Datum proběhlé obhajoby: | 05.09.2023 |
Oponenti: | Ing. Markéta Potůčková, Ph.D. |
Seznam odborné literatury |
[1] BAYER, T., KOLINGEROVÁ, I., POTŮČKOVÁ, M., ČÁBELKA, M., ŠTEFANOVÁ, E. (2023): An incremental facility location clustering with a new hybrid constrained pseudometric. Pattern Recognition, Elsevier. [2] TOMKOVÁ, M., LYSÁK, J., POTŮČKOVÁ, M. (2020): Semantic classification of sandstone landscape point cloud based on neighbourhood features. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLIII-B2-2020, 333–338. [3] STRNAD, D., HORVAT, Š., MONGUS, D., IVAJNŠIČ, D., KOHEK, Š. (2023): Detection and Monitoring of Woody Vegetation Landscape Features Using Periodic Aerial Photography. Remote Sensing, 11, 15, 2766. |
Předběžná náplň práce |
Cílem bakalářské práce bude ověřit možnosti clusterizačních technik při detekci vegetace z bodových mračen s vysokou prostorovou hustotou. Pro tento typ analýzy bude využita facility location clusterizace prováděná dle hybridní pseudometriky, které generuje clustery specifických vlastností a tvarů vzhledem k navzorkovanému povrchu. Clusterizace bude realizována algoritmem IHFL, který umožňuje široké nastavení parametrů, a je efektivní i pro velké datasety. Nad jednotlivými clustery bude proveden výpočet různých geometrických parametrů s následným statistickým zhodnocením výsledků dle studentem navrženého kritéria. V rámci následné analýzy bude ověřeno, které ze tříd jsou vzájemně dobře rozlišitelné, a které z parametrů jsou pro účel detekce nejvhodnější. Dosažené výsledky budou vhodnou formou vizualizovány, např. s využitím plotboxů. Skriptování bude provedeno ve vybraném jazyce dle preference studenta. |