Serwisy internetowe Uniwersytetu Warszawskiego Nie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Zaawansowane algorytmy klasyfikacji danych rastrowych

Informacje ogólne

Kod przedmiotu: 1900-3-ZAK-KT Kod Erasmus / ISCED: 07.9 / (brak danych)
Nazwa przedmiotu: Zaawansowane algorytmy klasyfikacji danych rastrowych
Jednostka: Wydział Geografii i Studiów Regionalnych
Grupy:
Punkty ECTS i inne: (brak)
zobacz reguły punktacji
Język prowadzenia: polski
Rodzaj przedmiotu:

obowiązkowe

Założenia (lista przedmiotów):

Cyfrowe przetwarzanie obrazów 1900-3-CPO-KT

Założenia (opisowo):

Student powinien posiadać znajomość obsługi komputera klasy PC oraz systemu operacyjnego Windows.

W celu pełnego zrozumienia omawianych zagadnień student musi być zaznajomiony z podstawami cyfrowego przetwarzania obrazów i podstawowych metod klasyfikacji.


Tryb prowadzenia:

w sali

Skrócony opis:

Poznanie zaawansowanych metod klasyfikacji obrazów rastrowych ze szczególnym uwzględnieniem wysokorozdzielczych danych rastrowych.

Pełny opis:

Przedmiot ma za zadanie zapoznać studenta wykorzystaniem danych wysokorozdzielczych w klasyfikacji obrazów a także z nowoczesnymi algorytmami klasyfikacji obrazów. Student pozna metody przygotowania danych do wykonania klasyfikacji (korekcja radiometryczna, atmosferyczna, topograficzna), kompresji danych, opracowania wzorców do klasyfikacji (pozyskiwanie charakterystyk spektralnych, biblioteki spektralne) oraz zaawansowane algorytmy klasyfikacji – sztuczne sieci neuronowe, Support Vector Machines, Specral Angle Mapper, Spectral Unmixing i inne.

W czasie zajęć prowadzony będzie wykład, a następnie powiązane z nim ćwiczenia z zastosowaniem oprogramowania firmy Exelis – ENVI (w języku angielskim). W ramach samodzielnej nauki student będzie wykonywał ćwiczenia oraz studiował literaturę w języku polskim i angielskim.

Literatura:

Zagajewski B., Sobczak M., (red.) 2005. Imaging spectroscopy. New quality in environmental studies. EARSeL, Uniwersytet Warszawski WGiSR, Warszawa

ERDAS Field Guide, przewodnik geoinformatyczny, 1998. GEOSYSTEMS Polska, Warszawa.

Jensen J.R., 1996. Introductory digital image precessing – a remote sensing perspective. 2ed ed. Prentice Hall.

Efekty uczenia się:

Student potrafi:

- określić, jaki rodzaj danych należy zastosować do konkretnego algorytmu klasyfikacji

- zdefiniować etapy przetwarzania danych do klasyfikacji (korekcje, kompresje)

- wyjaśnić zasadę działania algorytmów klasyfikacyjnych

- wyjaśnić sposób pobierania, budowę i wykorzystanie bibliotek spektralnych do klasyfikacji

- wyznaczyć wzorce do klasyfikacji

- wyznaczyć schemat przetwarzania obrazów do wykonania klasyfikacji

- opisać procedurę korekcji atmosferycznej, geometrycznej obrazów

- przeprowadzić klasyfikację danych rastrowych przy użyciu przedstawionych algorytmów

- ocenić dokładność wykonanych klasyfikacji

- wymienić zastosowania wybranych algorytmów klasyfikacji w badaniach środowiska

Metody i kryteria oceniania:

Ocena z całości przedmiotu jest złożona z dwóch części

1. oceny z ćwiczeń:

- kilku ćwiczeń, które wykonuje student w czasie trwania zajęć i w ramach

- projektu wykonywanego w sali

2. oceny z egzaminu.

Do zaliczenia konieczne są obecności na zajęciach (dopuszczalne są dwie nieobecności nieusprawiedliwione). Minimalny próg zaliczenia to 60% punktów.

Do egzaminu dopuszczane są osoby, które zaliczyły ćwiczenia. Ocena końcowa jest wspólna z oceną z ćwiczeń.

Praktyki zawodowe:

-

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.