Розроблено алгоритм, який може точно дешифрувати дані опитування поверхні Землі

Кожен тип речовини на Землі має унікальний спектральний підпис, який визначається не тільки типом молекул, але і положенням хімічних облігацій, які утримують індивідуальні атоми молекули разом. Людина око бачить лише частину цього підпису, який ми сприймаємо як колір. Діапазон видимого світла є лише невеликим відрізком всього діапазону електромагнітних хвиль, і це, видиме світло, несе дуже мало інформації про об'єкт, його структуру і хімічний склад. Але є більш досконалі інструменти в світі, ніж очі людини. Такі інструменти називаються гіперспектральними датчиками, і вони здатні надати велику кількість інформації про об'єкт, який потрапляє в поле зору.

Зазвичай такі гіперспектральні датчики встановлюються на літаках і штучних супутниках для проведення детальних обстежень поверхні Землі. Але дані, зібрані гіперспектральними датчиками, важко математично обробляти, навіть з найбільш потужними комп'ютерами, і вимагає аналітичних методів, таких як у наших мозку.



Основна проблема полягає в тому, що гіперспектральні датчики працюють дуже добре. Навіть в місцях, які є однаковим кольором в нормальному світлі, дані з цих датчиків можуть змінюватися на сотні до тисячі одиниць. Математично, це робить кожен піксель зображення унікальною для обробки комп'ютеру, проблема, відома як ефект Hughes, і до недавнього часу захопив широке використання гіперспектральних датчиків для розширення людських знань нашої планети.

Випробування алгоритмів обробки гіперспектральних даних може поєднувати аналогічні пікселі в групи на основі дистанції між ними. У деяких випадках, наприклад, при визначенні типу рослинного покриву поверхні, такі алгоритми дають досить хороші результати, але є варіанти, на яких алгоритми так званої «класстеризації» не доводять жодного результату. Виходячи з одного з стандартних алгоритмів «кластерингу», групи дослідників з Китаю та США доповнили її технологією використання зразків, за якими визнано характер кожного кластера пікселів.



У другому з вищезазначених зображень можна побачити результати нового алгоритму. Зображення є результатом космічних досліджень Університету Павії в Італії. У першому кроці перша частина алгоритму розбиває всі зображення в кластери, які відповідають зонам поверхні певної природи. Потім за допомогою всього 15 зразків програма здатна точно розбирати всю поверхню на предметах на ній, складаючи більш-менш докладну карту місця. Комбінований метод показав добрі результати на зображенні сільськогосподарських земель, на яких висаджуються різні культури. Таким чином, це було в цих образах, що звичайні алгоритми кластеризації відмовилися працювати нормально, але використання зразків дозволило програмі малювати місцевості з точністю 50 до 80 відсотків.

Створення досить надійного алгоритму обробки гіперспектральних даних дозволить в найближчому майбутньому організувати напівавтоматичний контроль, якщо не для всіх, то для деяких частин поверхні землі. І дані цього контролю будуть надзвичайно корисними для людей різних спеціальностей, починаючи від дизайнерів, будівельників та закінчуючи біологами, екологами та іншими науковцями, залученими до моніторингу екологічних змін.

Джерело: www.dailytechinfo.org