Satellite Image Classification by Fuzzy Neural Network (original) (raw)
Related papers
Ukrainian journal of remote sensing, 2020
A novel flowchart for small-size objects identification in satellite images of insufficient resolution within the graphic reference images database using neural network technology based on compromise contradiction, i.e. simultaneously the resolution enhancement of the object segment of input image and the resolution reduction of the reference image to joint resolution through the simulation of the imaging system has been proposed. This is necessary due to a significant discrepancy between the resolutions of the input image and the graphic reference images used for identification. The required level of resolution enhancement for satellite images, as a rule, is unattainable, and a significant coarsening of reference images is undesirable because of identification errors. Therefore, a certain intermediate spatial resolution is used for identification, which, on the one hand, can be obtained, and on the other the loss of information contained in the reference image is still acceptable. ...
Identification of Space Object Based on Integration of Data from Various Sources and Fuzzy Inference
H&ES Research
For monitoring near-earth space, one of the most important tasks of recognizing space objects, which includes subtasks of classification of space objects by type (spacecraft, launch vehicle, elements of launching or functioning of spacecraft, fragments of destruction, etc.) and its identification (nationality, intended purpose, degree of danger, functional state, etc.). The aim of the work is to solve the problem of increasing the efficiency and accuracy of various space objects based on the integration of data obtained from radar, radio engineering, optoelectronic and promising quantum-optical (laser-optical) means and processing them using algorithms of fuzzy inference and / or with using neural networks and fuzzy inference. Domestic and foreign means of monitoring near-earth space are considered, their technical characteristics and comparison are presented. The solution to this problem is justified by important national economic and environmental goals, since most of the space ob...
Аnalysis of the algorithm of processing of satellite zults of the satellite measurements by phase method, 2019
Analyzing satellite measurements results processing algorithm, noted that in the literature there is no conclusive scientific substantiation of the basic techniques to solve this unusual task. It is proposed to consider an idealized satellite system, excluding all auxiliary actions and devices, while retaining only a minimum of devices ensuring the process of phase measurements. As a result, the simplified phase system is completely reminiscent of the MSSh radio navigation system (Mandelstam, Papaleksi, Shchegolev) created by Soviet scientists in 1936. One of the most important conditions for performing phase measurements is the simultaneous registration of the phase of signals. However, in the working formulas of the existing processing algo-rithm there is no record of this condition. The article convincingly substantiates the formulas for the mathematical recording of simultaneous measurements. It is proved that in the algo-rithm for processing the results of satellite measurements it is necessary to use wavelengths not distorted by the Doppler effect. Methods for solving a reasonably formed system of equa-tions, which is ill-conditioned, will be discussed in subsequent articles.
Radio industry, 2016
Актуальность в разработке интеллектуальных систем классификации сложноструктурируемых изображений возникает при обработке снимков с видеокамер беспилотных летательных аппаратов, используемых в навигационных целях при отсутствии связи с искусственными спутниками Земли или при анализе снимков оператором в режиме реального времени. Разработанный метод обеспечивает высокие требования к качеству классификации объектов на снимках, а также быстродействию выделения и классификации исследуемых сегментов изображения. Для классификации таких изображений предложены компьютерные технологии, основанные на методологии бустинга. Пространство информативных признаков формируется посредством спектральных окон, полученных в результате сканирования исходного изображения. Спектральные окна, принадлежащие к различным классам, располагаются в виде кластеров на плоскости Кохонена. Для формирования кластеров применяются правила коррекции векторов весов, позволяющие снизить величины незначащих компонент векторов, и определяются координаты центров кластеров. На основе кластерной структуры плоскости Кохонена строятся сильные классификаторы. Разработана и приведена структура сильного классификатора на нейронных сетях прямого распространения блочного типа, реализованная для задачи классификации рентгенограмм грудной клетки.
Computer Optics
The paper presents a study of various approaches to the classification of soil covers based on neural network algorithms using hyperspectral remote and proximal sensing of the Earth. The spectral distributions were recorded in the laboratory using an Offner imaging scanning hyperspectrometer. Spectral-spatial characteristics of nine soil samples from various parts of a farming land in the Samara region were experimentally studied. Using a method of energy dispersion microanalysis, the correspondence between the hyperspectral data and the chemical composition of the samples taken was established. Based on the data obtained, a neural network-aided classification of soil samples was implemented depending on the content of constituent elements such as carbon and calcium. A normalized spectral-spatial convolutional neural network was used as a classifier. As a result of the work, an approach to the classification of high-resolution hyper-spectral images based on the refinement of a multi...
Оптимизационные методы нейронных сетей для решения задачи бинарной классификации изображений
2021
Проведен сравнительный анализ существующих методов оптимизации нейронных сетей и определен ряд оптимизаторов, показывающих наилучшее качество обучения для решения задачи бинарной классификации в распознавании изображений используемого набора данных. Рассмотрен метод градиентного спуска, SGD, метод Нестерова и Импульсный метод. Описаны адаптивные методы оптимизации такие как Adagrad, RMSprop и Adam. Рассмотрены две архитектуры нейронных: первая архитектура представляет собой сверточную нейронную сеть с четырьмя слоями свёртки, вторая сеть состоит из предобученной на наборе ImageNet нейронной сети VGG19 с добавленным классификатором. Состав слоев сети описан в тексте и на рисунках. В качестве обучающего набора использовался набор данных «Dogs vs. Cats» со сбалансированными классами изображений. Результаты обучения и тестов моделей приведены на графиках точности и потерь. Описаны рекомендации по выбору архитектуры нейронных сетей. Ключевые слова: оптимизаторы нейронных сетей, перенос обучения, модели нейронных сетей, свёрточные нейронные сети, VGG19.
Fuzzy classifiers in cardiovascular disease diagnostics: Review
The Siberian Journal of Clinical and Experimental Medicine, 2020
The complexity of biological objects makes the development of computerized medical systems a difficult algorithmic decision due to the natural uncertainty inherent in these objects. Human thinking is based on vague and approximate data that can be analyzed to form clear decisions. An exact mathematical model of biological objects may not exist in practice, or such a model may be too complex to implement. In this case, fuzzy logic is a suitable tool for solving the specified problem. The problem of medical diagnosis can be viewed as a classification problem. The article presents a literature review of the use of fuzzy classifiers in diagnostics of cardiovascular diseases. The main advantage of fuzzy classifiers in comparison with other artificial intelligence methods is the ability to interpret the resulting classification result. The review aims to expand the knowledge of various researchers working in the field of medical diagnostics.
ECOLOGY ECONOMY INFORMATICS. Geoinformation technologies and space monitoring, 2018
Аннотация. В статье рассматривается задача подготовки обучающей выборки для алгоритмов сегментации и классификации объектов заданной формы на аэрокосмических снимках. Предлагаемый подход основан на построении набора шаблонных векторных описаний объектов интереса. Непосредственная разметка снимков осуществляется оператором путем подгонки шаблонов к изображениям объектов. В качестве иллюстрации работы метода рассмотрена задача классификации самолетов на аэрокосмических снимках.
Online Reliable Fuzzy Data Clustering Using a Special Type Accessory Function
Бионика интеллекта, 2019
Предложен онлайн метод достоверной нечеткой кластеризации, предназначенный для анализа данных, последовательно поступающих на обработку. Особенностью развиваемого подхода является использование функции принадлежности специального вида, описываемой функции плотности распределения Коши. Собственно процедура уточнения центроидов кластеров является по сути правилом самообучения «Победитель получает больше»(WTM), в котором функция соседства порождается введенной функцией принадлежности. НечетКАя КлАСтеРИзАцИя, ОбРАбОтКА, ГРАДИеНтНАя ОПтИМИзАцИя, ФУНКцИя ПРИ-НАДлеЖНОСтИ. запропоновано онлайн метод достовірної нечіткої кластеризації, призначений для аналізу даних, послідовно надходять на обробку. Особливістю розвиваючого підходу є використання функції належності спеціального виду, описуваної функції щільності розподілу Коші. Власне процедура уточнення центроїд кластерів є по суті правилом самонавчання «Переможець отримує більше» (WTM), в якому функція сусідства породжується введеної функцією приналежності. НечітКА КлАСтеРИзАція, ОбРОбКА, ГРАДієНтНА ОПтИМізАція, ФУНКція НАлеЖНОСті. An online method of reliable fuzzy clustering is proposed, designed to analyze data sequentially received for processing. A feature of the developed approach is the use of the membership function of a special kind described by the density function of the Cauchy distribution. The actual procedure for clarifying the centroids of clusters is essentially a self-learning rule "The Winner Takes More" (WTM), in which the neighborhood function is generated by the introduced membership function. Fuzzy CluSTeRINg, PROCeSSINg, gRADIeNT OPTIMIzATION, PROCeSSINg, ACCeSSORIeS FuNCTION.