Дослідження методів класифікації аномалій на супутникових знімках за допомогою комп’ютерного зору

Abstract

Об’єктом дослідження є процеси обробки та класифікації супутникових знімків для виявлення аномальних об’єктів або подій. Метою роботи є розробка та експериментальна перевірка ефективних методів класифікації аномалій на супутникових знімках за допомогою технологій комп’ютерного зору, що поєднують машинне та глибоке навчання з метою підвищення точності, швидкості та адаптивності систем екологічного моніторингу. Методи розробки та проєктування базуються на поетапній обробці супутникових зображень: попередній обробці (нормалізація, масштабування, фільтрація шумів), екстракції NDVI та додаткових ознак, побудові навчальних вибірок і подальшому використанні алгоритмів машинного навчання, зокрема Support Vector Machine, а також елементів глибокого навчання. До розробки також залучено методи статистичного аналізу, оцінки ефективності (precision, recall, F1-score), візуалізації результатів та валідації на реальних супутникових даних. Розробка програмного модуля здійснювалася з використанням мови програмування Python та таких бібліотек: NumPy, OpenCV, scikit-learn, matplotlib, seaborn, а також TensorFlow (для попередніх експериментів із глибоким навчанням). Зчитування супутникових знімків, обробка NDVI та візуалізація результатів реалізовані в інтерактивному форматі, що забезпечує гнучкість і прозорість під час експериментів.