IT, готовая курсовая работа

ZAUCHKA.ru

+7 913 789-74-90

Интернет-магазин/Информатика, программирование, базы данных/Программирование/Технология субпиксельной классификации. Возможности повышения детальности дешифрируемой структуры лесонасаждений.

Тема/Вариант	Технология субпиксельной классификации. Возможности повышения детальности дешифрируемой структуры лесонасаждений.
Предмет	Программирование
Тип работы	курсовая работа
Объем работы	14
Дата поступления	12.12.2012

890 ₽

Содержание

Содержание Введение 3 Неформальная постановка задачи 3 Данные дистанционного зондирования 3 Источники данных дистанционного зондирования 4 Обработка данных дистанционного зондирования 7 Классификация 8 Субпиксельная классификация 11 Заключение 13

Введение

Введение В России сосредоточено 22% всех лесов мира. Они имеют глобальное экологическое, экономическое и социальное значение. Их сохранение и рациональное использование – необходимое условие устойчивого развития общества. Одной из основных задач в решении этой проблемы является совершенствование методов сбора информации о состоянии и динамике лесов. Реализация этой задачи возможна при разработке автоматизированных дистанционных методов получения информации о лесах, которые позволят автоматически производить оценку имеющихся ресурсов и выявлять изменения. Систематическое обнаружение изменений происходящих в лесном фонде возможно лишь с внедрением современных автоматизированных средств ведения лесного кадастра – геоинформационных технологий. При этом работа по выявлению изменений сводится к автоматизированному дешифрированию аэрокосмических снимков и сравнению результатов их обработки с планово-картографическими материалами лесоустройства. Точность результатов анализа изображений может быть повышена путем интеграции различных типов данных о территории (рельеф, уклон, аспект, тип почв, информация прошлого лесоустройства, климатические показатели) и использования технологии субпиксельной классификации изображений. Неформальная постановка задачи В рамках данной курсовой работы необходимо: • произвести обзор типов данных дистанционного зондирования (ДДЗ); • раскрыть принципы классических методов классификации ДДЗ; • раскрыть принципы субпиксельной классификации, провести сравнительный анализ с классическими методами. Данные дистанционного зондирования Дистанционное зондирование можно представить как процесс, посредством которого собирается информация об объекте, территории или явлении без непосредственного контакта с ним. Использование данных дистанционного зондирования обычно включает их получение, обработку и анализ отношений результатов удаленных измерений и наземной информации. Дистанционное зондирование представляет собой регистрацию на электронный носитель пространственного и спектрального распределения отраженного или собственного электромагнитного излучения приходящего от исследуемого объекта. В настоящее время большая часть данных дистанционного зондирования земли из космоса получается в виде цифровых изображений по радиоканалам. Это позволяет производить их математическую обработку и манипуляции на компьютере. Снимки на фотоносителях могут быть преобразованы в цифровую растровую форму представления с помощью специальных сканирующих устройств (сканеров). Анализ цифровых изображений заключается в оценке связи пространственного и спектрального распределения электромагнитного излучения.

Литература

Список литературы [1]. John A. Richards Remote Sensing Digital Image Analysis [2]. ERDAS IMAGINE Subpixel Classifier. User’s Guide. Leica Geosystems GIS & Mapping Division, Atlanta, Georgia. 2003. [3]. Wulder M., Franklin S., Lavigne M. Polygon decomposition: a procedure for using remotely sensed data to supplement GIS forest inventories. Technology Transfer Note 24, February 2001 [4]. Franklin J. Thematic mapper analysis on coniferous forest structure and composition. International Journal of Remote Sensing 7, 1287-301.

Уточнение информации

+7 913 789-74-90
info@zauchka.ru
группа вконтакте