Распознавание облаков на гиперспектральных спутниковых изображениях с использованием объяснимой модели машинного обучения
А.С. МИНКИН, О.В. НИКОЛАЕВА
Институт прикладной математики им. М.В. Келдыша РАН, Москва, Россия
amink@mail.ru
Ключевые слова: многоспектральные спутниковые изображения, обнаружение облаков, спектральные индексы, модели машинного обучения, сверточные нейронные сети, объяснимые модели
Страницы: 149-157
Аннотация
Рассматривается задача построения алгоритма на основе нейронных сетей и машинного обучения для нахождения облаков на гиперспектральных снимках. Требуется, чтобы сеть позволяла провести анализ причин принятия решений и результатов классификации. Предложенная гибридная модель содержит дерево решений, обученное распознавать сплошную облачность (модель 1) на предварительно выбранных производных признаках исходного снимка в сочетании со сверточной нейронной сетью (модель 2). Модель 2 использует результаты работы модели 1 совместно со значениями яркости в выбранном канале снимка. Модель 1 находит ядра облаков, а модель 2 - их границы. Приведены результаты тестирования гибридной модели на данных сенсора HYPERION, полученных над поверхностями трех типов (океан, растительность, урбанизированная территория). Вычислены общая точность, а также ошибки ложного распознавания и ложного пропускания. Показано, что гибридная модель позволяет находить 85% облачных пикселей, только если нейронная сеть (модель 2) обучена на изображениях, для которых контраст достигает наибольшего значения в том же спектральном канале. Результаты настоящей работы могут быть применены для решения общей задачи анализа и обработки многоспектральных спутниковых изображений и в дальнейшем востребованы для изучения окружающей среды и мониторинга растительности, океана и ледников.
DOI: 10.15372/AOO20240209 |
