Využití hyperspektrálních dat k detekci a klasifikaci vybraných antropogenních materiálů

Abstract

Práce se zabývá možnostmi využití hyperspektrálních dat senzorů APEX a AISA k detekci a klasifikaci antropogenních materiálů v území Čáslavi, Rokytnice nad Jizerou a Harrachova. Hlavním cílem práce bylo navrhnout metodiku detekce a klasifikace střešních krytin a pokryvů komunikací na základě vytvořených spektrálních knihoven. Dalším cílem bylo zhodnotit možnosti využitelnosti spektrálních knihoven pro klasifikaci, porovnat možnosti hyperspektrálních dat s větším a menším spektrálním rozsahem a vytvořit mapy sledovaných antropogenních materiálů. V metodické části je popsán postup zpracování, zahrnující vytvoření masek antropogenních materiálů pro komunikace a střešní krytiny, nastavení parametrů čtyř vybraných klasifikačních algoritmů (Linear Spectral Unmixing, Multiple Endmember Mixture Analysis, Spectral Angle Mapper, Spectral Information Divergence) a zhodnocení přesnosti klasifikace. Výsledky jsou vizualizovány a zhodnoceny z hlediska vypočtené celkové přesnosti klasifikace a celkového podílu klasifikovaných pixelů. Na závěr jsou dosažené výsledky porovnány s existujícími studiemi a jsou uvedena možná vylepšení pro pokračování práce na tomto tématu. Powered by TCPDF (www.tcpdf.org)

The thesis deals with use of hyperspectral data from APEX and AISA sensors for detection and classification of anthropogenic materials in the areas of Čáslav, Rokytnice nad Jizerou and Harrachov. The main goal is to propose methodology for the detection and classification of roof materials and road surface materials based on established spectral libraries. Another goal is to evaluate applicability of spectral libraries for classification, to compare possibilities of hyperspectral data with larger and smaller spectral range and to create maps of anthropogenic materials above. The methodological approach including masks of anthropogenic materials for roads surface materials and roof materials creation, settings of four classifications algorithms (Linear Spectral Unmixing, Multiple endmember spectral mixture analysis, Spectral Angle Mapper, Spectral Information Divergence) parameters and assessment of classification results, is in the methodology part. The results are visualized and evaluated using overall accuracy and percentage of classified pixels. Finally the results are compared with existing studies and possible improvements for further research are proposed. Powered by TCPDF (www.tcpdf.org)