155YDPZ Zpracování dat DPZ: Porovnání verzí
mBez shrnutí editace |
|||
| Řádek 22: | Řádek 22: | ||
== Cvičení == | == Cvičení == | ||
Cvičení probíhají | Cvičení probíhají ve čtvrtek v místnosti B-870 od 18:00 do 19:40. | ||
'''Cvičící:''' Ing. Vojtěch Hron | '''Cvičící:''' Ing. Vojtěch Hron, [[Ing. Martin Landa, PhD.]] | ||
# [https://db.tt/U7V8fFQD Seznámení s objektově orientovanou obrazovou analýzou] | # [https://db.tt/U7V8fFQD Seznámení s objektově orientovanou obrazovou analýzou] | ||
Verze z 13. 10. 2016, 08:52
Anotace
Zpracování obrazových digitálních dat pořízených vesměs družicovou aparaturou. Praktické postupy zpracování obrazových dat, jejich interpretace a klasifikace.
- Doporučená literatura
- Halounová, L., Pavelka, K.: Dálkový průzkum Země, Vydavatelství ČVUT, 2005.
- Halounová, L.: Zpracování obrazových dat, Vydavatelství ČVUT, 2008.
- Lillesand, T.M., Kiefer, R.W., Chipman, J.W.: Remote Sensing and Image Interpretation, 5th Ed., Wiley, 2007.
Přednášky
Přednášky probíhají ve čtvrtek v místnosti B-870 od 16:00 do 17:40.
Přednášející: doc. Ing. Lena Halounová, CSc.
- Typy dat DPZ, formulace přímé a obrácené úlohy DPZ, digitální zpracování dat DPZ, rektifikace obrazu
- Restaurace obrazu (radiometrické korekce)
- Zvýraznění obrazu (bodové operace, lokální operace)
- Zvýraznění obrazu (Fourierova analýza, texturová filtrace, barevné zvýraznění, manipulace s víceobrazem)
- Klasifikace (řízená a neřízená klasifikace, odhad přesnosti klasifikace), postklasifikační úpravy
- Segmentace obrazu, objektová analýza obrazu
- Radarová analýza (geometrie a princip radaru, interpretace obrazu z radaru, zpracování radarových dat)
- Interferometrie
- Hyperspektrální data
Cvičení
Cvičení probíhají ve čtvrtek v místnosti B-870 od 18:00 do 19:40.
Cvičící: Ing. Vojtěch Hron, Ing. Martin Landa, PhD.
- Seznámení s objektově orientovanou obrazovou analýzou
- Založení projektu, základní ovládání softwaru eCognition (View Settings, Process Tree, Class Hierarchy, Feature View, Image Object Information), segmentace obrazu (Multiresolution Segmentation), data
- Prahování a jednoduchá fuzzy klasifikace s využitím spektrálních příznaků (NDVI, barevný model HSI atd.), data
- Pokročilá fuzzy klasifikace (příklad použití - identifikace solitérní vegetace z leteckých snímků)
- Řízená klasifikace (Standard Nearest Neighbor)
- Pokročilá klasifikace budov, rule set
Aktualizace: 2013/2014 - zimní semestr
- 5. cvičení - Detekce budov pomocí dat LLS a obrazových dat, data
- 6. cvičení - Detekce budov pomocí podrobných dat LLS, data
Guided Tours: