Новий підхід до застосування правила перерозподілу конфліктів при класифікуванні супутникових зображень
DOI:
https://doi.org/10.36023/ujrs.2020.25.171Ключові слова:
класифікування супутникових зображень, правила комбінування, правило перерозподілу конфліктів, суперечливі свідченняАнотація
На даний час розв’язання різноманітних наукових задач із використанням супутникових зображень, як правило, включає процедуру класифікування. Класифікування є однією із найважливіших процедур, що застосовуються при дистанційному зондуванні, оскільки включає в себе багато математичних операцій та попередню обробку даних. Обробка інформації та об’єднання суперечливих даних є дуже складною проблемою в задачах класифікування. На даний час у дистанційному зондуванні Землі застосовується багато методів класифікування. Класифікування суперечливих даних є основною проблемою як з теоретичної, так і з практичної точки зору. Але багато відомих методів класифікування не можуть працювати із досить суперечливими даними та невизначеністю. Головна мета даної статті – це застосування правила перерозподілу конфліктів (PRC5) для класифікування супутникових зображень в умовах невизначеності, коли суперечливі експертні свідчення дають неповну та неточну інформацію. Дане правило може обробляти суперечливі дані та поєднувати суперечливі експертні свідчення (спектральні канали). Правило перерозподілу конфліктів може пропорційно перерозподілити часткову конфліктну базову масу на непусті множини, що залучені у конфлікт. Було зазначено, що дане правило дозволяє отримати узагальнену експертну оцінку в умовах конфліктної експертної інформації. При цьому усі базові маси, залучені у часткові конфлікти, обчислюються окремо. Також було показано, що правило перерозподілу конфліктів дає найбільш точний перерозподіл конфліктної базової маси на непусті множини з математичної точки зору. Але дане правило включає в себе складні обчислювальні процедури. Чим більше гіпотез та чим більше базових мас об’єднуються, тим складніше застосовувати правило перерозподілу конфліктів, ось чому виникає потреба у використанні спеціального комп'ютерного програмного забезпечення. Було розглянуто приклад практичного застосування запропонованого правила перерозподілу конфліктів. Зазначалося, що розглянутий новий підхід до застосування правила перерозподілу конфліктів при класифікуванні супутникових зображень може використовуватися для аналізу супутникових знімків, вирішення практичних та екологічних завдань, оцінки стану сільськогосподарських угідь, класифікуванні лісів, при пошуку нафти та газу.
Посилання
Alpert М. І., Alpert S. І. (2019). A new approach to the application of Jaccard coefficient and Cosine similarity in Hyperspectral Image Classification. XVIII-th International Conference on Geoinformatics - Theoretical and Applied Aspects— Kiev, 13–16 May 2019. 1–5.
Barnett J. A. (1991). Calculating Dempster–Shafer plausibility. IEEE Trans. Pattern Anal. Machine Intell, 13. 599–602. Retrieved from https://doi.org/10.1109/34.87345
Beynon M. J. (2002). DS/AHP method; a mathematical analysis, including an understanding of uncertainty. European Journal of Operational Research, 140. 148–164.
Bongasser M. (2008). Hyperspectral Remote Sensing: Principles and Applications. Boca Raton, FL: CRC Press.
Chang C. I. (2013).Hyperspectral Data Processing: Algorithm Design and Analysis. Hoboken, NJ: John Willey & Sonsp.
Ferson S., Kreinovich V. (2002). Representation, Propagation, and Aggregation of Uncertainty. SAND Report.
Gong P. (1996). Integrated Analysis of Spatial Data from Multiple Sources: Using Evidential Reasoning and Artificial Neural Network Techniques for Geological Mapping. Photogrammetric Engineering and Remote Sensing.. Vol. 62, № 5. P. 513 – 523.
Lein J.K. Applying evidential reasoning methods to agricultural land cover classification. Int. Journal of Remote Sensing, 24 (21). 4161– 4180. Retrieved from https://doi.org/10.1080/0143116031000095916
McCoy R. M. (2005). Fields Methods in Remote Sensing. New York: Guilford Press. 150–160.
Mertikas P., Zervakis M. E. (2001). Exemplifying the Theory of Evidence in Remote Sensing Image Classification. Int. Journal of Remote Sensingm, 22 (6). 1081–1095. Retrieved from https://doi.org/10.1080/01431160118597.
Popov M., Alpert S., Podorvan V., Topolnytskyi M., Mieshkov S. (2015). Method of Hyperspectral Satellite Image Classification under Contaminated Training Samples Based on Dempster-Shafer’s Paradigm. Central European Researchers Journal, 1 (1). 86–97.
Renyi A. Probability theory (1970). Amsterdam, North – Holland Pub. Co.
Shafer G. (1990). Perspectives in the theory and practice of belief functions. Int. J. Approx. Reasoning, 4. 323–362.
Smarandache F. (2006). Proportional conflict redistribution rules for information fusion. American Research Press, 2. 61–103. Retrieved from https://doi.org/10.1016/0888-613x(93)90005-x.
Smets P. (1993). Belief functions: the disjunctive rule of combination and the generalized Bayesian theorem. Int. J. Approximate Reasoning, 9. 1–35. Retrieved from https://doi.org/10.1016/b978-0-444-88738-2.50010-5.
Smets P., Henrion M., Shachter R. D., Kanal L. N., Lemmer J. F. (1990). Constructing the pignistic probability function in a context of uncertainty. Uncertainty in Artificial Intelligence. North Holland, Amsterdam, 5. 29–40.
Yager R. (1987). On the Dempster-Shafer Framework and New Combination Rules. Information Sciences, 41. 93–137. Retrieved from https://doi.org/10.1016/0020-0255(87)90007-7.
Uzga-Rebrovs O. (2010). Nenoteiktiby parvaldisana. Resekne: RA Izdevnieciba, 3.
Zhang L., Yager R. R., Kacprzyk J., Fedrizzi M. (1994). Representation, independence, and combination of evidence in the Dempster-Shafer theory. Advances in the Dempster-Shafer Theory of Evidence. New York: John Wiley and Sons. Inc. 51–69. Retrieved from https://doi.org/10.1002/9781118445112.stat01573.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ліцензійні умови: автори зберігають авторські права та надають журналу право першої публікації на твір, одночасно ліцензований за міжнародною ліцензією Creative Commons Attribution License International CC-BY, що дозволяє іншим поділитися твором з підтвердженням авторства твору та первинною публікацією в цьому журналі.
Автори, направляючи рукопис у редакцію «Українського журналу дистанційного зондування Землі», погоджуються з тим, що редакції передаються права на захист і використання рукопису (переданого до редакції журналу матеріалу, в т. ч. такі об’єкти авторського права як фотографії автора, рисунки, схеми, таблиці тощо), в тому числі на відтворення у пресі та мережі Інтернет, на поширення, на переклад рукопису на будь-які мови, експорту та імпорту примірників журналу зі статтею авторів з метою розповсюдження, на доведення до загального відома. Зазначені вище права автори передають редакції без обмеження терміну і на території всіх країн світу без обмеження в т. ч. на території України.
Автори гарантують наявність у них виняткових прав на використання переданого редакції матеріалу. Редакція не несе відповідальності перед третіми особами за порушення даних авторами гарантій. За Авторами залишається право використання їх опублікованого матеріалу, його фрагментів і частин в особистих, у тому числи наукових і освітянських цілях. Права на рукопис вважаються переданими Авторами редакції з моменту підписання до друку випуску журналу, в якому він публікується. Передрук матеріалів, опублікованих у журналі, іншими фізичними та юридичними особами можливий тільки зі згоди редакції, з обов’язковим зазначенням випуску журналу, в якому було опубліковано матеріал.
