Распознавание лесных горючих материалов по спектральным признакам и основные принципы создания распознающей системы.
Страница 1

В настоящее время при достаточном уровне развития дистанционных методов исследования, можно достаточно полно изучить пространственную неоднородность ЛГМ. Сейчас изучаются различные физические поля, на основе их анализа можно судить о строении и состоянии ЛГМ. Большой объем информации о растительности может быть получен в инфракрасном, а также в сантиметровом диапазонах. На основе анализа ИК снимка получили пример оценки горизонтальной структуры слоев ЛГМ. Было установлено, что поле влагосодержания ЛГМ может считаться однородным и изотропным, а его структура описывается уравнением нормированной автокорреляционной функцией:

2.5.1.

где , , и - координаты текущей и фиксированной точек на плоскости;

=1,5м - показатель затухания;

=9,2м - период пространственной периодической составляющей поля.

Эта функция позволяет определить наиболее характерные пространственные величины, которые присутствуют в случайном процессе излучения леса. Распознающая система производит серию измерений образа подлежащего классификации и сравнивает эти измерения с набором “типичных образов” в “словаре образов”. Совпадение или наиболее близкое совпадение с элементом словаря дает желающую классификацию.

Естественный Рецептор Классификатор

объект (датчик) (блок принятия Результат

решения)

рис. 2.5.1. Модель системы распознавания ЛГМ по спектральным признакам.

Выход рецептора - набор n

измерений, каждое из которых относится к одному из каналов сканера, которые делаются одновременно. Любой объект в пространстве может быть представлен n - компонентным вектором измерений х, х=[ ], где хi соответствует измерению в i-ом канале сканера. Классификатор относит вектор измерений к одному из множеств предварительно определенных классов. Задача проектирования классификатора образов состоит вначале из разбиения пространства измерений (лесных горючих материалов) на области решения так, чтобы каждый тип ЛГМ относился к данному различному классу, который может отождествлять любой вектор измерений как принадлежащий к классу, соответствующему той области решения, в которую он попадает.

Пусть мы имеем m

классов горючих материалов и определены соответствующие этим классам области решения. Пусть мы можем найти множество функции Х, называемых дискриминантными, которые обозначим , обладающими теми свойствами, что имеет большее значение, чем все стальные дискриминантные функции, всякий раз, когда Х - точка в i-ой области решения. Если мы хотим классифицировать любую точку Хи, то есть определить, к какой области решения она относится, то нам надо вычислить только .

Точка Хи принадлежит к классу имеющему наиболее значение . Правило классификации заключается в следующем:

пусть Wi обозначает i-ый класс; решаем, что , если и только если для всех j=1,2 .m. Действительно две дискриминантные функции могут иметь равные значения только в точках, лежащих на границе раздела областей решения. Для этих случаев определяем правила разрешения неопределенности.

Дискриминантные функции вычисляют на основе информации, выделенной из набора обучающих образов, то есть векторов измерений с известной классификацией, которые считаются типичными представителями интересующих нас классов. обучающая процедура проста и выполняется автоматически, но сходимость к решению гарантирована только тогда, когда обучающиеся образы разделимы линейной границей. Но когда классы образов перекрываются, данный метод не подходит. Поэтому для этих случаев используется статистический подход для распознавания ЛГМ в силу ряда горючих материалов для классификации спектральных измерений с неизвестной идентификацией.

Если число возможных значений данных велико, для записи в память ЭВМ гистограммы может потребоваться очень много места. Число ячеек памяти, необходимых для записи n-мерной гистограммы, в которой каждое измерение может принимать Р значений, равно Рn. Один из способов разрешения этой трудности - предположить, что функция распределения вероятностей может быть адекватно аппроксимирована кривой, имеющей простую функциональную форму, например, нормальной функцией плотности вероятностей. Функция распределения вероятностей для класса i, оцененная по обучающим выборкам имеет вид:

Страницы: 1 2 3 4

 
Углеродный цикл и изменения климата

Влияние человека на климат начало проявляться несколько тысяч лет тому назад в связи с развитием земледелия. Во многих районах для обработки земли уничтожалась лесная растительность, что приводило к скорости ветра у земной поверхности, некоторому изменению режима температуры и влажности нижнего слоя воздуха, а также к изменению режима влажности, испарения и речного стока ...

Узнать больше...
 
Урбанизация и экология
Одной из наиболее характерных особенностей развития современного общества является быстрый рост городов, непрерывный темп увеличения численности их жителей, увеличение роли городов в жизни общества, преобразование сельской местности в городскую, а также миграция сельского населения в города. Урбанизация (от лат. urbanus- городской) - это процесс повышения роли городов в развитии общества ...
Узнать больше...
 
Copyright © Все материалы пренадлежат - www.informecolog.ru