Desarrollado un algoritmo capaz de descifrar exactamente los datos de captura de la superficie de la Tierra

Cada tipo de sustancia en la Tierra hay un único espectral "firma", que se define no sólo frente a las moléculas, sino también la posición de los enlaces químicos, скрепляющих individuales de los átomos de las moléculas en una sola unidad. El ojo humano sólo ve la parte de esta firma, que nosotros percibimos como color. El rango de la luz visible es sólo una pequeña recta todo el rango de las ondas electromagnéticas, y él, la luz visible, es muy escasa la información sobre el objeto, su estructura y su composición química. Pero en el mundo hay herramientas mejores que los ojos del hombre. Estos instrumentos se denominan гиперспектральными sensores y son capaces de dar bastante gran cantidad de información acerca de un objeto, попавшем en su campo de visión.

Por lo general, estas гиперспектральные los sensores están instalados en aviones y satélites artificiales para la realización detallada de fotografía de la superficie de la Tierra. Pero los datos recogidos гиперспектральными sensores, más difíciles de matemática procesar incluso con la ayuda de los más potentes ordenadores, para su tratamiento, se necesitan los métodos de reconocimiento de patrones, tales como los que trabajan en nuestros cerebros.



El problema radica en que гиперспектральные los sensores están funcionando muy bien. Incluso en aquellos lugares, que a la luz normal son del mismo color, los datos de estos sensores pueden ser diferentes en cientos y miles de unidades. Desde el punto de vista matemático, esto hace que cada píxel de una imagen única para el equipo de procesamiento, este problema se conoce con el nombre de efecto hughes y es hasta hace poco tiempo impedía la amplia utilización de los sensores hiperespectrales para mejorar a las personas de conocimientos sobre nuestro planeta.

Existentes algoritmos de procesamiento de datos hiperespectrales pueden combinar similares por el valor de los píxeles en el grupo, en base a los datos acerca de la distancia entre los píxeles. En algunos casos, por ejemplo, al determinar el tipo de cobertura vegetal de la superficie, tales algoritmos dan buenos resultados, pero también existen opciones a las que los algoritmos de la denominada "agrupación" no traen ningún resultado. Tomando como base uno de los algoritmos de clustering", un grupo de investigadores de china y estados unidos ha complementado su tecnología de muestras, según la cual se reconoce el carácter de cada clúster de píxeles.



En la segunda de las imágenes que se pueden ver los resultados del trabajo del nuevo algoritmo. La fotografía es el resultado de un levantamiento espacial del territorio de la universidad de pavía en italia. En la primera etapa de la primera parte del algoritmo de divide todas las imágenes en un clúster, que corresponden a las partes de la superficie de un cierto carácter. Luego, con la asistencia de un total de 15 muestras de que el programa pueda suficientemente precisa desmontar toda la superficie se encuentran en los mismos objetos, esto es, más-menos un mapa detallado de la zona. Buenos resultados combinado el método mostrado en la captura de las tierras agrícolas, en las que están plantadas las diferentes culturas. Por cierto, es en estas imágenes de algoritmos habituales clustering se negaban a trabajar con normalidad, pero el uso de muestras se pudo elaborar un mapa de la zona con una precisión de 50% a 80%.

La creación es bastante confiable ejecuta el algoritmo de procesamiento de datos hiperespectrales permitirá en un futuro cercano, organizar semiautomática de control si no por todo, por algunas áreas de la superficie terrestre. Y los datos de control serán muy útiles a la gente de las más diversas especialidades, que van desde los proyectistas, constructores y hasta biólogos, ecologistas y otros científicos que trabajan en el seguimiento de los cambios del medio ambiente.

Fuente: www.dailytechinfo.org