Projekti / Programi
Kompleksna analiza visokoresolucijskih slik SAR
| Koda |
Veda |
Področje |
Podpodročje |
| 2.15.02 |
Tehnika |
Meroslovje |
Signali in prenos |
| Koda |
Veda |
Področje |
| T121 |
Tehnološke vede |
Obdelava signalov |
obdelava signalov, bayesova teorija, klasifikacija, metode Monte-Carlo, kompleksna analiza
Raziskovalci (6)
| št. |
Evidenčna št. |
Ime in priimek |
Razisk. področje |
Vloga |
Obdobje |
Štev. publikacijŠtev. publikacij |
| 1. |
27565 |
dr. Karl Benkič |
Računalništvo in informatika |
Mladi raziskovalec |
2007 - 2008 |
55 |
| 2. |
20862 |
dr. Dušan Gleich |
Sistemi in kibernetika |
Vodja |
2007 - 2008 |
284 |
| 3. |
27986 |
dr. Marko Hebar |
Sistemi in kibernetika |
Raziskovalec |
2007 - 2008 |
12 |
| 4. |
11576 |
dr. Jože Mohorko |
Telekomunikacije |
Raziskovalec |
2007 - 2008 |
154 |
| 5. |
04799 |
dr. Peter Planinšič |
Sistemi in kibernetika |
Raziskovalec |
2007 - 2008 |
329 |
| 6. |
19508 |
mag. Tomaž Romih |
Računalništvo in informatika |
Raziskovalec |
2007 - 2008 |
30 |
Organizacije (1)
Povzetek
V tem raziskovalnem projektu bomo raziskali statistično modeliranje slike SAR s pomočjo kompleksne analize in kompleksne valčne transformacije. Naš cilj je izločiti šum is kompleksne slike SAR in poiskati model slike, ki bo ohranjal vse bistvene lastnosti slike SAR, kot so teksture, robovi, itd. Ker je slika SAR kompleksna bomo s kompleksno valčno transformacijo originalno, kompleksno sliko SAR preslikali v kompleksni valčni prostor. Model kompleksne slike SAR bomo sestavili s pomočjo modela slike in šuma v sliki. Privzeli bomo, da je šum v SAR sliki aditiven in signalno odvisen. Sliko bomo modelirali s pomočjo posplošenih Gauss-Markovih naključnih polj, za šum v valčno-transformirani kompleksni sliki SAR pa bomo privzeli, da ima posplošeno Gaussovo porazdelitev. Poiskali bomo cenilko a maksimum a posteriori (MAP) s pomočjo Bayesove inference prvega in drugega reda. V ta namen moramo poiskati porazdelitve gostote verjetnosti prior, ki predstavlja model slike in gostoto verjetnosti likelihood, ki predstavlja model šuma. Najboljši model med vsemi možnimi modeli bomo poiskali s pomočjo Bayesove inference drugega reda tako, da bomo spreminjali vse parametre v porazdelitvah in za najboljši model med vsemi modeli privzeli tistega, ki bo maksimiziral t.i. evidence. Na ta način bomo dobili brezšumno sliko in informacijo o teksturah v sliki. Implementirali bomo algoritem, ki bo sposoben prepoznavati določene teksture v sliki SAR s pomočjo nenadzorovanih algoritmov Bayes-a za učenje parametrov. V zadnjem delu projekta bomo brezšumno sliko in teksture v slikah poiskali s pomočjo sekvenčnih metod Monte-Carlo. V ta namen bomo uporabili model slike in šuma v slikah SAR kakor v prejšnjem primeru. Iz prior porazdelitve bomo izračunali otipke in izračunali njihovo pomembnost glede na porazdelitev likelihood, ter jim dodelili uteži. Otipki z največjimi utežmi se bodo sekvenčno delili naprej. Postopek bomo sekvenčno ponavljali in spreminjali parametre teksture. Najbolj utežen otipek bo brezšumen koeficient s pripadajočimi parametri teksture.
Pomen za razvoj znanosti
V tem projektu smo razvili metode za odpravljanje pegastega šuma iz slik s sintetizirano odprtino (SAR). Potreba po odpravljanju pegastega šuma iz slik SAR je pomembna zato, da si znamo lažje predstavljati, interpretirati in razpoznati strukture, objekte, spremembe, itd v slikah površja Zemlje. Odprava šuma iz slik SAR nam omogoča lažje razumevanje struktur na površju Zemlje. S predlaganimi modeli lahko zajamemo tudi informacije o strukturah, ki jih lahko opišemo z vektorjem lastnosti. Smisel ocenjevanja struktur v radarskih slikah je v tem, da z naborom vektorjev lastnosti scene lahko poiščemo vse podobne strukture v slikah. Konkretno si lahko predstavljamo, da želimo iz slik izluščit vse gozdove, urbana naselja, ceste, polja, vinogrede, sadovnjake, itd. Z nadzorovanim učenjem lahko izvedemo razpoznavanje enakih razredov in s tem omogočimo avtomatizirano razpoznavanje struktur na površju Zemlje.
Drugi pomemben rezultat tega projekta je kompleksna slika SAR, ki se lahko uporabi za nadaljnjo obdelavo, kot so interferometrija, segmentacija, itd. Vse bistvene lastnosti slike SAR, ki se nahajajo v fazi signala se ohranijo. Intenzivnost kompleksne slike se iz Gamma porazdelitve slika v mešan model Gaussove porazdelitve, ki jo lahko nato modeliramo kakor optično sliko, pri tem pa moramo ohraniti vse bistvene lastnosti v sliki SAR.
Pomen za razvoj Slovenije
Za projekt omogoča avtomatsko interpretacijo in analizo scene v sliki SAR. Z razvitimi metodami je mogoče opazovati področja in na ta način dobiti realno predstavo o sceni v sliki SAR. Z nadzorovanim razvrščanjem je mogoče odkrivati naraščanje naselij, napovedovati zemeljske plazove, nadzorovati izsek gozdov, ipd s stalnim opazovanjem površja Slovenije. SAR tehnologija omogoča izdelovanje 3D reliefov, napovedovanje premikov površja Zemlje in na ta način omogočiti pravočasno alarmiranje in preprečevanje naravnih nesreč.
Najpomembnejši znanstveni rezultati
Zaključno poročilo,
celotno poročilo na dLib.si
Najpomembnejši družbeno–ekonomsko in kulturno relevantni rezultati
Zaključno poročilo,
celotno poročilo na dLib.si
