Resource information
With the development of remote sensing systems in the Republic of Belarus there was a question about processing large amounts of information. Existing methods of pattern recognition are widely used in the field of research into earth resources by methods of automation of aerospace observation, as well as in other areas related to the processing of large volumes of complex video data of different nature. However, domestic developments of pattern recognition theory are largely practically absent at present. And the use of brand-name programs, mainly foreign, not revealing the programmed algorithms, prevents their further development with the aim of increasing classification accuracy. Besides, the existing neural network algorithms, even in the absence of noise of input signals, can lead to false values of output signals. Therefore, we have developed a sustainable system of recognition of polygon objects with noisy training images. The share of noisy input signals, the probability (0.64) of correct recognition amounting to 53% was also calculated.
С развитием систем дистанционного зондирования земли в Республике Беларусь остро встал вопрос об обработке значительного количества информации. Существующие методы распознавания образов широко используются в области изучения земных ресурсов средствами автоматизации аэрокосмических наблюдений, а также в других областях, связанных с обработкой больших массивов сложной видеоинформации различной природы. Однако отечественные разработки теории распознавания образов на современном этапе практически отсутствуют. Использование же фирменных программ, в основном зарубежных, не раскрывающих запрограммированных алгоритмов, не позволяет их дальнейшую разработку с целью повышения точности классификации. Кроме того существующие нейросетевые алгоритмы даже при отсутствии шумов входных сигналов могут приводить к неверным значениям выходных сигналов. В связи с этим разработана устойчивая система распознавания площадных объектов с зашумленными обучающими образами. А также выполнен расчет доли зашумленных входных сигналов при вероятности (0.64) корректного распознавания, которая составила 53%.
