мониторинг - ИКИ РАН
мониторинг - ИКИ РАН
мониторинг - ИКИ РАН
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Рис. 4.2.2.1 Логическая схема алгоритма LAGMA локально-адаптивной классификации спутниковых<br />
изображений земного покрова<br />
Программный комплекс LAGMA был адаптирован для работы в среде<br />
операционной системы Windows, что позволило облегчить обработку данных и анализ<br />
результатов с помощью таких ГИС приложений, как ERDAS Imagine и ArcGIS,<br />
работающих только в данной операционной системе. Также были проведены работы по<br />
увеличению производительности программного комплекса и улучшению стабильности его<br />
работы.<br />
Программный комплекс LAGMA был объединен в одну программу, реализующую<br />
все его возможности через единый интерфейс в виде командной строки.<br />
Была введена возможность работы программы в многопоточном режиме.<br />
Увеличение скорости работы в многопоточном режиме по результатам тестирований и<br />
применений в реальных задачах оказалось почти кратно количеству ядер/процессоров в<br />
системе в случае отсутствия влияния ограничений по скорости чтения/записи данных.<br />
Суммарно все изменения, внесенные в программу LAGMA за отчетный период,<br />
позволили значительно увеличить скорость ее работы, например время осуществления<br />
классификации типов земных покровов для всей территории России с разрешением 250<br />
метров уменьшилось до 8 часов с 2 суток для более ранних версий.<br />
В текущую реализацию программы была добавлена возможность вывода<br />
дополнительной информации, включающей в себя вспомогательные данные о<br />
классификаторе (средние и ковариации для метода максимального правдоподобия),<br />
значения разделимости классов (евклидово расстояние, расстояние Джеффриса-Матуситы<br />
или дивергенцию между классами), расстояний Махаланобиса для каждого пиксела от<br />
центра соответствующего ему класса, информацию об обратимости матрицы и ряд других<br />
параметров.<br />
Данные изменения позволили реализовать на базе программы LAGMA подход к<br />
классификации, основанный на анализе выбросов в обучающей выборке с их дальнейшей<br />
фильтрацией, а также на методе самообучения классифицирующего алгоритма<br />
посредством итерационного дополнения исходной обучающей выборки наиболее точными<br />
результатами классификации с прошлых итераций.<br />
Разработка метода и программного обеспечения LAGMA позволила создать задел<br />
для внедрения новых методов классификации, основанных на нейронных сетях, методе<br />
случайных лесов и методе опорных векторов.<br />
В течение отчетного периода программа LAGMA успешно применялась для<br />
решения задач по <strong>мониторинг</strong>у наземных экосистем, в частности можно отметить ее<br />
165