SubjectsSubjects(version: 945)
Course, academic year 2023/2024
   Login via CAS
Extraction of Information from Remote Sensing Data - MZ370P08
Title: Získávání informace z dat DPZ
Czech title: Získávání informace z dat DPZ
Guaranteed by: Department of Applied Geoinformatics and Cartography (31-370)
Faculty: Faculty of Science
Actual: from 2021
Semester: summer
E-Credits: 8
Examination process: summer s.:
Hours per week, examination: summer s.:2/4, C+Ex [HT]
Capacity: 38
Min. number of students: unlimited
4EU+: no
Virtual mobility / capacity: no
State of the course: taught
Language: Czech
Is provided by: MZ370G06
Note: enabled for web enrollment
Guarantor: doc. Ing. Jan Kolář, CSc.
Teacher(s): Mgr. Lucie Červená, Ph.D.
doc. Ing. Jan Kolář, CSc.
doc. RNDr. Lucie Kupková, Ph.D.
Ing. Markéta Potůčková, Ph.D.
Literature - Czech
Last update: Ing. Markéta Potůčková, Ph.D. (12.02.2021)

Richards, J. A., Jia, X. (2006). Remote sensing digital image analysis, 4. vydání, Springer-Verlag Berlin Heidelberg

Schowengerdt, R. A. (2006). Remote sensing: models and methods for image processing. Elsevier

Jones, S., & Reinke, K. (Eds.) (2009): Innovations in remote sensing and photogrammetry. Springer Science & Business Media

Vali, A., Comai, S., Matteucci, M. (2020): Deep learning for land use and land cover classification based on hyperspectral and multispectral earth observation data: A review. Remote Sensing12(15), 2495

Requirements to the exam - Czech
Last update: Ing. Markéta Potůčková, Ph.D. (12.02.2021)

Podmínky udělení zápočtu:
- aktivní účast na cvičeních
- písemné zpracování úloh dle pokynů v zadání
- včasné odevzdání zadaných úloh (termín odevzdání je součástí zadání úlohy a je uveden v systému Moodle)

Zkouška z předmětu se skládá z písemné a ústní části. Splnění písemné části je podmínkou pro postup k ústní části zkoušky.

Za současné epidemiologické situace proběhne zkouška (včetně písemné části) online.

Syllabus - Czech
Last update: Ing. Markéta Potůčková, Ph.D. (12.02.2021)

Přednáška se zabývá analýzou dat DPZ na pokročilé úrovni. Hlavním cílem je uvést studenta do problematiky obrazové analýzy v kontextu extrakce informace o přírodních zdrojích z dat DPZ včetně témat:

  • Radiometrické korekce obrazu I (konstrukce radiometru – multispektrální měření, relativní hodnoty, kalibrace, absolutní hodnoty, chyby/šum detektoru, poměr signálu k šumu)
  • Radiometrické korekce obrazu II (korekce na dvousměrovou odrazivost, atmosférická korekce vč. algoritmů pro její řešení)
  • Geometrické korekce (geometrická zkreslení, geometrické transformace pro georeferencování, interpolační metody pro překreslení)
  • Zvýraznění multispektrálního obrazu (indexy, PCA, TCT, pansharpening, …)
  • Klasifikace obecně – definice a přístupy, příznaky (spektrální, texturální, geometrické), problém neurčitosti hranic objektů/tříd, klasifikační legenda, základní klasifikační algoritmy (mindist, maxlikelihood, K-means, ISODATA), fuzzy přístup, linear unmixing
  • Objektový přístup ke klasifikaci
  • Principy dalších algoritmů strojového učení používaných pro klasifikaci obrazu I (random forest, SVM)
  • Principy dalších algoritmů strojového učení používaných pro klasifikaci obrazu II (CNN)
  • Pořizování a zpracování hyperspektrálních dat. Modely přenosu záře (radiative transfer models), empirické modely odhadu kvantitativní informace z dat DPZ
  • Klasifikace časových řad, kombinace dat z různých senzorů a různého rozlišení


Praktická cvičení rozvíjejí teoretické poznatky formou úloh zaměřených na zpracování obrazových dat pomocí programů eCognition, ENVI, Matlab a Snap.

V LS 2020/21 bude předmět až do odvolání vyuřčovám online v čase rozvrhované výuky. Odkaz na Google Meet bude zapsaným studentům zaslán prostřednictvím SIS před zahájením výuky.

 
Charles University | Information system of Charles University | http://www.cuni.cz/UKEN-329.html