Please use this identifier to cite or link to this item: http://repository.kpi.kharkov.ua/handle/KhPI-Press/53944
Title: Методи інтелектуальної обробки просторових даних в геоінформаційних системах екологічного моніторингу
Other Titles: Methods of intellectual processing of spatial data in geoinformation systems of ecological monitoring
Authors: Дудінова, Ольга Богданівна
Science degree: кандидат технічних наук
Thesis level: кандидатська дисертація
Code and name of the discipline: 05.13.06 – інформаційні технології
Thesis department: Спеціалізована вчена рада Д 64.050.07
Thesis grantor: Національний технічний університет "Харківський політехнічний інститут"
Scientific advisor: Удовенко Сергій Григорович
Committee members: Куценко Олександр Сергійович
Гамаюн Ігор Петрович
Дорофєєв Юрій Іванович
Keywords: дисертація; модель; геоінформаційна система; екологічний моніторинг; нейромережева обробка просторових даних; фільтрація шумів; детектування контурів зображень; категоризація зображень; генетичний алгоритм; марковська модель; фрактальне стиснення зображень; автоенкодер; geoinformation system; ecological monitoring; neural network processing of spatial data; noise filtration; image contour detection; image categorization; genetic algorithm; Markov model; fractal image compression; autoencoder
УДК: 004.9:528
Issue Date: 2021
Publisher: Національний технічний університет "Харківський політехнічний інститут"
Citation: Дудінова О. Б. Методи інтелектуальної обробки просторових даних в геоінформаційних системах екологічного моніторингу [Електронний ресурс] : дис. ... канд. техн. наук : спец. 05.13.06 : галузь знань 12 / Ольга Богданівна Дудінова ; наук. керівник Удовенко С. Г. ; Харків. нац. ун-т радіоелектроніки ; Нац. техн. ун-т "Харків. політехн. ін-т". – Харків, 2021. – 163 с. – Бібліогр.: с. 143-157. – укр.
Abstract: Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 "Інформаційні технології". – Національний технічний університет "Харківський політехнічний інститут", Міністерство освіти і науки України, Харків, 2021. У дисертаційній роботі запропоновано рішення актуальної науково-практичної задачі розробки методів інтелектуальної обробки просторових даних в геоінформаційних системах екологічного моніторингу, які дозволяють підвищити якість формування ландшафтних цифрових зображень для подальшого аналізу стану зон моніторингу. Обʼєктом дослідження в роботі є процеси обробки та аналізу цифрових зображень обʼєктів ландшафтних та промислових зон, що аналізуються в ГІС екологічного моніторингу, предметом дослідження – методи інтелектуальної обробки просторових даних та формування ландшафтних цифрових зображень в ГІС екологічного моніторингу. Методи дослідження основані на використанні: теорії розпізнавання образів та обробки зображень (для розробки методів попередньої обробки просторових даних та сегментації зображень); теорії штучних нейронних мереж (для фільтрації та відновлення зашумлених або викривлених зображень контрольованих обʼєктів моніторингу) фрактального аналізу та генетичної оптимізації (для розробки методу стиснення зображень в ГІС); марковської моделі растрових зображень (для компʼютерного аналізу просторових зображень обʼєктів ландшафтних та промислових зон), теорії імітаційного моделювання (для експериментального моделювання запропонованих методів). В роботі запропоновано: метод категорійної класифікації обʼєктів в задачах компʼютерного аналізу аерознімків, де, на відміну від існуючих, використано комбіновану базу прототипів, яка розширюється за допомогою простих критеріїв (кольору, текстури, контурів), що дозволяє спростити задачу розпізнавання обʼєктів зон моніторингу; метод нейромережевої обробки зашумлених цифрових зображень, які можуть містити викривлені фрагменти, який, на відміну від існуючих, заснований на використанні нейроеволюційної моделі шумопригнічуючих автоенкодерів з поліпшеними апроксимуючими властивостями, що дає можливість його практичного використання для обробки даних в геоінформаційних системах за умов наявності суттєвих шумів; метод сегментації та виділення контурів просторових цифрових зображень, оснований на використанні марковських моделей, який, на відміну від існуючих, дозволяє враховувати характер околу аналізованого пікселя і задавати залежність між класами сусідніх пікселів, що сприяє підвищенню якості детектування контурів обʼєктів зон моніторингу; метод нейромережевої обробки зашумлених картографічних даних геоінформаційної системи, який, на відміну від існуючих, передбачає реалізацію на паралельних обчислювальних структурах процедур попередньої фільтрації напівтонових просторових зображень та завадостійкого детектування контурів обʼєктів зображень; метод корекції кольорових картографічних зображень з метою поліпшення їх якості, яке здійснюється за рахунок зміни яскравісної компоненти зображення в кольоровому просторі HSI за допомогою гамма-корекції; метод стиснення растрових даних, де використовується комбіноване застосування генетичної оптимізації та фрактальних методів компресії просторових зображень, представлених за допомогою квадродерев, що дозволяє його ефективно застосовувати для обробки та архівації даних в геоінформаційних системах. Практичними результатами використання проведених досліджень є алгоритми, прикладні програми та інформаційна технологія, що реалізують розроблені методи інтелектуальної обробки і цифрових зображень в ГІС екологічного моніторингу. В результаті їх впровадження передбачається розробити інформаційну технологію інтелектуальної обробки цифрових зображень (ІТІОЦЗ) в ГІС екологічного моніторингу ландшафтних обʼєктів України, що обʼєднує сукупність моделей і методів, зокрема: проекційні рекурентні методи навчання нейронних мереж, які використовуються для вирішення завдань обробки зображень; алгоритми навчання ШНМ на основі асиметричних функціоналів якості, що дозволяють отримувати якісні моделі в умовах негаусовскіх перешкод; ієрархічні ШНМ для стиснення та фільтрації зображень, що дозволяють значно зменшити апаратні витрати і обсяг памʼяті для зберігання зображень, а також зменшити час їх обробки; еволюціонуючий шумопригнічуючий автоенкодер (ЕШАЕ), призначений для фільтраціїї шумів і відновлення спотворених фрагментів в цифрових зображеннях в ГІС екологічного моніторингу; гібридний підхід до інтелектуальної обробки цифрових зображень, який обʼєднує переваги відомих і запропонованих методів. Очікуваний ефект від впровадження результатів дисертації позначиться на підвищенні якості та оперативності обробки цифрових зображень в ГІС екологічного моніторингу ландшафтних обʼєктів України, інтегрованій в Єдину державну систему моніторингу навколишнього середовища і природних ресурсів. Отримані результати можуть бути адаптовані для широкого класу прикладних завдань обробки, стиснення і класифікації зображень в ГІС, що вимагають обробки структурованої інформації високого рівня (зокрема розпізнавання і індексації зображень). До таких завдань слід, зокрема, віднести розпізнавання на знімках доріг і перехресть, необхідне для складання картографічної бази даних ГІС та здійснення екологічного контролю в промислових регіонах з високим ризиком порушень екології. На основі результатів проекту можуть бути створені курси лекцій і навчальні посібники з інтелектуальних методів обробки цифрових зображень, методів нейромережевого моделювання та методів еволюційних обчислень для профільних вищих навчальних закладів України. Результати дисертаційної роботи впроваджені у ПАТ "Сєвєродонецький ОРГХІМ" (м. Сєвєродонецьк)". Матеріали дисертації достатньо повно викладено у 18 наукових роботах, у тому числі: 7 статтях, які зазначені в переліку фахових видань України з технічних наук (з них одна наукова стаття у Scopus) та 11 тезах доповідей міжнародних конференцій.
Thesis for the degree of candidate of technical sciences in specialty 05.13.06 – information technologies. – National Technical University "Kharkiv Polytechnic Institute", Kharkiv, 2021. In dissertation work the solution of the actual scientific and practical task of working out of methods of intellectual processing of spatial data in geoinformation systems (GIS) of ecological monitoring, which allows to improve the quality of formation of landscape digital images for further analysis of the state of monitoring zones, is proposed. The object of the study in the work are the processes of processing and analysis of digital images of objects of landscapes and industrial zones, analyzed in the GIS of environmental monitoring, the subject of research – the methods of intelligent processing of spatial data and the formation of landscape digital images in the GIS of environmental monitoring. Research methods are based on the use of: image recognition and processing theory (for developing spatial data preprocessing methods and image segmentation); theories of artificial neural networks (for filtering and restoration of noisy or distorted images of monitored objects of monitoring); fractal analysis and genetic optimization (for developing the method of compression of images in GIS); Markov model of raster images (for computer analysis of spatial images of objects of landscapes and industrial zones), theory of simulation (for experimental modeling of the proposed methods). The paper proposes: the method of categorical classification of objects in the problems of computer analysis of aerial photographs, where the combined prototype base is used, which is expanded with the help of simple criteria, which simplifies the recognition problem monitoring areas; a method of neural network processing of noisy digital images that can contain distorted fragments, which is based on the use of a neuroevolutionary model of noise-suppressing autoencoders with improved approximating properties, enabling its practical use for processing data in GIS in the presence of significant noise; the method of segmentation and allocation of contours of spatial digital images, based on the use of Markov models, which allows to take into account the nature of the area of the analyzed pixel and to determine the relationship between the classes of adjacent pixels, which contributes to improving the quality of the detection of contours of the monitoring zone objects; the method of neural network processing of noisy cartographic data of the GIS, which involves realization on the parallel computational structures of the procedures of preliminary filtering of spatial images and noise-proof detection of contours of objects of images; the method of correction of color cartographic images in order to improve their quality, which is carried out by changing the bright component of the image in the color space of the HSI using gamma correction; a raster data compression method, which uses a combined application of genetic optimization and fractal methods for compressing spatial images enabling it to be effectively applied for processing and archiving of data in GIS. The practical results of using the conducted research are algorithms, applied programs and information technology, implementing the methods of intellectual processing and digital images in the GIS of environmental monitoring. The obtained results can be adapted for a wide class of applied tasks of processing, compression and classification of images in GIS, requiring the processing of high-level structured information (in particular, recognition and indexing of images). Such tasks should, in particular, include the recognition of road photographs and intersections necessary for the compilation of a GIS mapping database and the implementation of environmental monitoring in industrial regions with a high risk of environmental degradation.
URI: http://repository.kpi.kharkov.ua/handle/KhPI-Press/53944
Appears in Collections:05.13.06 "Інформаційні технології"

Files in This Item:
File Description SizeFormat 
tytul_dysertatsiia_2021_Dudinova_Metody_intelektualnoi.pdfТитульний лист, анотації, зміст563,73 kBAdobe PDFView/Open
dysertatsiia_2021_Dudinova_Metody_intelektualnoi.pdfДисертація2,12 MBAdobe PDFView/Open
literatura_dysertatsiia_2021_Dudinova_Metody_intelektualnoi.pdfСписок використаних джерел299,57 kBAdobe PDFView/Open
vidhuk_Riazantsev_O_I.PDFВідгук2,77 MBAdobe PDFView/Open
vidhuk_Sharonova_N_V.pdfВідгук250,69 kBAdobe PDFView/Open
Show full item record  Google Scholar



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.