Метод комбінування даних у задачах дистанційного зондування Землі у випадку суперечливих джерел інформації

Автор(и)

  • Софія Іоганівна Альперт ДУ “Науковий центр аерокосмічних досліджень Землі Інституту геологічних наук НАН України”, Київ, Україна https://orcid.org/0000-0002-7284-6502

DOI:

https://doi.org/10.36023/ujrs.2021.8.3.201

Ключові слова:

теорія свідчень, коефіцієнт Жаккара, базові маси, правила комбінування, суперечливі свідчення

Анотація

На даний час технології дистанційного зондування на основі БПЛА використовуються у різноманітних сферах, таких як: екологічний моніторинг, сільськогосподарські задачі, пошук корисних копалин, нафти і газу, моніторинг лісів, військова справа. Дрони надають інформацію швидше ніж пілотовані літальні апарати та надають зображення з дуже високою роздільною здатністю, досить низькою вартістю і високою точністю.
Зазначимо, що обробка суперечливої інформації є найбільш важливим завданням у дистанційному зондуванні. Правило комбінування даних Демпстера широко використовується при вирішенні різних завдань дистанційного зондування, оскільки воно може обробляти неповну та неточну інформацію. Але правило Демпстера має певний недолік, воно не може працювати з досить суперечливими даними. Це правило комбінування даних надає невірні результати, якщо частини свідчення є досить суперечливими. Тому було запропоновано метод комбінування даних з використанням дистанційного зондування на основі БПЛА. Даний метод має кілька важливих переваг: прості розрахунки та висока точність.
У цій статті пропонується метод комбінування даних на основі застосування коефіцієнта Жаккара та правила комбінування Демпстера. Описаний метод може працювати із суперечливими джерелами інформації. Даний метод комбінування даних, заснований на застосуванні теорії свідоцтв і коефіцієнта Жаккара, враховує асоціативний взаємозв’язок між свідченнями та може ефективно обробляти досить суперечливі джерела даних (спектральні канали).
У даній статті також описано частотний підхід для визначення базових мас та наведено формулу для визначення коефіцієнта Жаккара. Коефіцієнт Жаккара обчислюється як міра перетину, поділена на міру об’єднання множин. Коефіцієнт Жаккара вимірює подібність між скінченними множинами. У роботі також розглянуті деякі числові приклади розрахунку коефіцієнта Жаккара та базових мас.
Даний метод комбінування даних, заснований на застосуванні коефіцієнта Жаккара і правилі комбінування Демпстера може застосовуватися при пошуку корисних копалин, в різноманітних сільськогосподарських, практичних та екологічних задачах.

Посилання

Alpert, S. (2020). A new approach to applying the discount rule in hyperspectral satellite image classification. Management of Development of Complex Systems, 43. 76–82. doi.org10.32347/2412-9933.2020.43.76-82.

Alpert, М. І., Alpert, S .І. (2020). New methods to determine basic probability assignment and data fusion in Hyperspectral Image Classification. Proceedings of the XIX-th International Conference on Geoinformatics. Theoretical and Applied Aspects. 1–5.

Alpert. М. І., Alpert, S. І. (2021). A new approach to accuracy assessment of land-cover classification in UAV-based Remote Sensing. Proceedings of the XXth International Conference on Geoinformatics Theoretical and Applied Aspects. 1–5.

Jousselme, Anne-Laure. Grenier, Dominic, Bosse,. Eloi. (2001). A new distance between two bodies of evidence. Information Fusion, 2. 91–101.

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, 62 (5). 513–523.

Kosub S. (2019). A note on the triangle inequality for the Jaccard distance. Pattern Recognition Letters. 120. 36–38.

Lein, J. K. (2003). Applying evidential reasoning methods to agricultural land cover classification. Int. Journal of Remote Sensing, 24 (21). 4161–4180.

McKnight, V. (2015). Drone technology and the Fourth Amendment: aerial surveillance precedent and Kyllo do not account for current technology and privacy concerns. California Western Law Review, 51. 263.

Mertikasm P., Zervakism M. E. (2001). Exemplifying the Theory of Evidence in Remote Sensing Image Classification, Int. Journal of Remote Sensing. 22 (6). 1081–1095.

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.

Popov, M .A., Alpert, S .І., Podorvan, V. N. (2017). Satellite image classification method using the Dempster-Shafer approach. Izvestiya, atmospheric and oceanic. Physics, 53 (9). 1112–1122. doi: 10.1134/s0001433817090250

##submission.downloads##

Опубліковано

2021-09-21

Як цитувати

Альперт, С. І. (2021). Метод комбінування даних у задачах дистанційного зондування Землі у випадку суперечливих джерел інформації. Український журнал дистанційного зондування Землі, 8(3), 44–48. https://doi.org/10.36023/ujrs.2021.8.3.201

Номер

Розділ

Застосування даних дистанційного дослідження Землі: проблеми і завдання