Наведено результати експериментального тестування розробленої методики автоматизованого розпізнавання рослинності та водойм на території міст за багатоспектральними знімками зі супутника "Jilin-1A". Дослідження включали проведення автоматизованого розпізнавання рослинності та водних об'єктів на обраній території спостережень за знімками надвисокого просторового розрізнення видимого та ІЧ-діапазонів і наступного порівняння одержаних результатів з результатами візуального дешифрування. Одержані результати обробки знімків зі супутника "Jilin-1A" відповідно до запропонованої методики підтвердили достатньо високу точність автоматизованого виділення границь розпізнаних об'єктів у порівнянні з результатами інтерактивного візуального розпізнавання цих же знімків. На різних тестових ділянках одержано добре розділення класів рослинності і води за тих самих настроювань порогів бінаризації. Точність автоматичної класифікації рослинності та водойм (без урахування похибок еталона) для різних тестових ділянок становила 81 - 92 %, а значення коефіцієнта Kanna лежали у межах 0,68 - 0,85. Порівняння нормалізованих індексних зображень, одержаних із супутників "Jilin-1A" і "Sentinel-2A", показало незначні розбіжності значень NDVI та сутві розбіжності для NDWI і MNDWI, що зумовлено використанням різних спектральних каналів (SW1R і N1R). Дані розбіжності можна суттєво зменшити, використовуючи поправочні коефіцієнти. Аналіз впливу зменшення розрядності вихідних знімків (з 10 до 8 біт) і наступного інформаційного стиснення (JPEG lossy і JPEG2000 lossless) на результати автоматизованого розпізнавання рослинності і водних об'єктів підтвердив доцільність і ефективність таких методів. Обсяг збережених і переданих файлів зменшувався суттєво (в 80 - 100 разів) за незначного зниження точності класифікації (на 1 - 2 %). Запропонована методика надає змогу суттєво підвищити оперативність вірогідність відновлення карт великих міст за одночасного зниження фінансових витрат у порівнянні із традиційною іземною GPS-зйомкою та аерофотозйомкою. Завдяки високому ступеню автоматизації обробки знімків та мінімізації необхідних обчислень (у порівнянні з методами, що використовують складні класифікатори і нейронні мережі) розроблена методика може бути реалізована у вигляді геоінформаційного вебсервісу, який забезпечуватиме потреби широкого кола державних служб і комерційних структур, а також буде корисним для населення мегаполісів і туристів.

• Свинаренко Дмитро Миколайович (технічні науки)
• Мозговий Дмитро Костянтинович (1969–) (технічні науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"