Применение нейронных сетей для обработки изображений спутника Landsat-7

При использовании данных дистанционного зондирования Земли (ДЗЗ) для решения прикладных задач часто возникает необходимость выполнить классификацию космических изображений. Например, по данным спутниковых наблюдений требуется классифицировать подстилающую поверхность по видам использования (land use) или классифицировать лес по степени заболеваемости. Поэтому разработка новых и усовершенствование существующих подходов к классификации данных ДЗЗ является актуальной задачей. Стоит также отметить, что эта задача является одной из приоритетных в рабочем плане по разработке системы GEOSS на 2007-2009 гг.: “EC-07-P1: Global Vegetation and Land Cover” и “EC-07-P2: Global Forest Monitoring”.

В данном докладе будут рассмотрены статистические и нейросетевые методы классификации спутниковых изображений. В частности, применяются метод максимального правдоподобия, многослойный персептрон, нейронная сеть типа ARTMAP, основанная на теории адаптивного резонанса, а также модульные нейросетевые архитектуры. В качестве тестового изображения выбран снимок, сделанный мультиспектральным прибором ETM+ спутника Landsat-7. Заверочные (эталонные) образы получены на основе данных Европейского проекта Corine. В докладе приводятся преимущества рассмотренных методов, результаты проведенных экспериментов, а также направления дальнейших исследований.