Support vector machines, import vector machines and relevance vector machines for hyperspectral classification — A comparison

Author(s):  
Andreas Ch. Braun ◽  
Uwe Weidner ◽  
Stefan Hinz
2014 ◽  
Author(s):  
Άγγελος Τζώτσος

Ο στόχος της παρούσας διατριβής ήταν η διερεύνηση και υλοποίηση καινοτόμων μεθόδων Όρασης Υπολογιστών και Υπολογιστικής Νοημοσύνης στα πλαίσια της μεθοδολογίας της Αντικειμενοστρεφούς Ανάλυσης Εικόνας (OBIA). Επίσης στόχος ήταν η ολοκλήρωση των μεθόδων αυτών με τεχνικές βασισμένες στη γνώση, δηλαδή με Έμπειρα Συστήματα. Η πρώτη συνεισφορά της διατριβής αφορούσε στην υλοποίηση ενός πολυκλιμακωτού αλγορίθμου κατάτμησης εικόνας, ο οποίος μπορεί να ενσωματωθεί σε μεθοδολογίες Αντικειμενοστρεφούς Ανάλυσης Εικόνας. Ο αλγόριθμος που αναπτύχθηκε, ονομάστηκε MSEG και είναι ένας αλγόριθμος της κατηγορίας ένωσης περιοχών (region merging). Η δεύτερη συνεισφορά της διατριβής ήταν η διερεύνηση και υλοποίηση ενός πολυκλιμακωτου αλγορίθμου κατάτμησης εικόνας, βασισμένου σε αύξηση περιοχών, με την ολοκλήρωση προηγμένων τεχνικών υφής. Η τρίτη συνεισφορά της διατριβής ήταν η ολοκλήρωση ενός αλγορίθμου υπολογιστικής νοημοσύνης, των Μηχανών Διανυσματικής Υποστήριξης (Support Vector Machines) στα πλαίσια της Αντικειμενοστρεφούς Ανάλυσης Εικόνας. Οι Μηχανές Διανυσματικής Υποστήριξης θεωρούνται μια άριστη μέθοδος υπολογιστικής μάθησης με εξαιρετικά αποτελέσματα στην Αναγνώριση Προτύπων. Ειδικά σε προβλήματα επιβλεπόμενης ταξινόμησης σε μεγάλους χώρους προτύπων, έχει αποδειχθεί ότι είναι μια από τις αποτελεσματικότερες μεθόδους με πολύ καλά αποτελέσματα. Σε αυτή τη διατριβή για πρώτη φορά υλοποιήθηκε Αντικειμενοστρεφής Ταξινόμηση Εικόνας μέσω της τεχνολογίας των Μηχανών Διανυσματικής Υποστήριξης με σκοπό την διερεύνηση της αποτελεσματικότητάς τους και της προοπτικής τους σαν μια μεθοδολογία αιχμής. Η τέταρτη συνεισφορά της διατριβής ήταν μια μεθοδολογία Αντικειμενοστρεφούς Ανάλυσης Εικόνας με ενσωμάτωση προηγμένων τεχνικών μη ισοτροπικής διάχυσης και φιλτραρισμάτων χώρου-κλίμακας. Τα φιλτραρίσματα χώρου-κλίμακας ενσωματώθηκαν στη διαδικασία κατάτμησης εικόνας βελτιώνοντας τα αποτελέσματα τόσο της κατάτμησης όσο και της μετέπειτα ταξινόμησης. Η πέμπτη συνεισφορά της διατριβής αφορούσε στην ολοκλήρωση προηγμένων τεχνικών ανίχνευσης ακμών στην διαδικασία κατάτμησης εικόνας για την υλοποίηση μεθοδολογίας Αντικειμενοστρεφούς Ανάλυσης Εικόνας. Ο συνδιασμός των μορφολογικών επιπεδοσυνόλων, της πολυκλιμακωτής κατάτμησης και της πληροφορίας ακμών της εικόνας έδωσε μια νέα υβριδική προσέγγιση στην κατάτμηση εικόνας. Η έκτη συνεισφορά της διατριβής αφορούσε την υλοποίηση Αντικειμενοστρεφούς Ταξινόμησης με μεθόδους που βρίσκονται στην αιχμή της επιστήμης της Υπολογιστικής Νοημοσύνης. Για πρώτη φορά προτάθηκε στην διατριβή αυτή η υλοποίηση αντικειμενοστρεφούς μεθόδου ταξινόμησης με βάση τις Μηχανές Διανυσμάτων Συνάφειας (Relevance Vector Machines). Τέλος η έβδομη συνεισφορά της διατριβής αφορούσε στην ολοκλήρωση της Αντικειμενοστρεφούς Ανάλυσης Εικόνας με συστήματα που βασίζονται στη γνώση. Στα πλαίσια αυτής της έρευνας, στόχος ήταν η διασύνδεση των προηγμένων μεθόδων Υπολογιστικής Νοημοσύνης με έμπειρα συστήματα που βασίζονται στη γνώση ώστε να διερευνηθεί και να αξιολογηθεί η χρησιμότητά τους σε εφαρμογές Τηλεπισκόπησης. Με βάση τις προηγούμενες μεθοδολογίες της διατριβής, χρησιμοποιήθηκε ο αλγόριθμος κατάτμησης εικόνας με βάση τις ακμές για την εξαγωγή πρωτογεννών αντικειμένων, ενώ μετά τον ορισμό του χώρου προτύπων από τον υπολογισμό χαρακτηριστικών των αντικειμένων, χρησιμοποιήθηκαν οι Μηχανές Διανυσμάτων Συνάφειας για την αρχική ταξινόμηση των αντικειμένων με βάση δείγματα εκπαίδευσης. Στην συνέχεια τα αποτελέσματα της κατάτμησης και της ταξινόμησης των αντικειμένων ενσωματώθηκαν σε μια χωρική βάση δεδομένων με τον μετασχηματισμό τους από εικονιστικά σε διανυσματικά δεδομένα και αποθηκεύοντας τα χαρακτηριστικά τους με τη μορφή πινάκων που ενσωματώνουν πληροφορία γεωμετρίας. Σε γενικές γραμμές η διατριβή είχε συνεισφόρα σε όλες τις διαδικασίες της Αντικειμενοστρεφούς Ανάλυσης Εικόνας και η ενσωμάτωση μεθόδων όρασης υπολογιστών, κατάτμησης εικόνας, υπολογιστικής νοημοσύνης και εμπείρων συστημάτων ολοκληρώνει τις δυνατότητες ενός σύγχρονου τηλεπισκοπικού συστήματος, προσδίδοντάς του πολλές δυνατότητες αυτοματοποίησης επίπονων διαδικασιών για τον φωτοερμηνευτή. Μελλοντικά, ανοίγονται οι ορίζοντες για χρήση της προτεινόμενης μεθοδολογίας σε πιο συγκεκριμένες εφαρμογές Τηλεπισκόπησης.


2018 ◽  
Author(s):  
Nelson Marcelo Romero Aquino ◽  
Matheus Gutoski ◽  
Leandro Takeshi Hattori ◽  
Heitor Silvério Lopes

Sign in / Sign up

Export Citation Format

Share Document