Шелковый презентация

1. «Разработка алгоритмов обработки спутниковых данных полиспектрального анализа»

Федеральное государственное бюджетное образовательное учреждение высшего образования
«Государственный университет морского и речного флота имени адмирала С.О. Макарова»
Институт водного транспорта
Кафедра вычислительных систем и информатики
ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА БАКАЛАВРА
по направлению подготовки 09.03.02 «Информационные системы и технологии»
на тему
«Разработка алгоритмов обработки спутниковых
данных полиспектрального анализа»
ВЫПОЛНИЛ: Шелковый Б.С.
студент группы ИС-42
РУКОВОДИТЕЛЬ: Макшанов А.В.
д.т.н., профессор
Санкт-Петербург
2026

2. АКТУАЛЬНОСТЬ ТЕМЫ

Мультиспектральная съёмка – это перспективный метод
дистанционного
зондирования
Земли,
который
может
применяться в том числе в рамках экологического мониторинга
для обнаружения разливов нефти.
Для решения этой задачи можно использовать свёрточные
нейронные сети, а также вспомогательные алгоритмы для
предварительной обработки данных.
2

3. ЦЕЛЬ И ЗАДАЧИ ВКР

Цель ВКР разработка программного решения для выделения
контуров разливов нефти на спутниковых снимках морской
поверхности на основе свёрточных нейронных сетей и
преобразования Гильберта-Хуанга.
Для её достижения необходимо решить следующие задачи:
1) Разработать алгоритмы предобработки данных на основе
преобразования Гильберта-Хуанга
2) Обучить нейронные сети для сегментации разливов нефти
3) Разработать приложение с графическим интерфейсом для
просмотра предсказаний моделей
3

4. СРЕДСТВА РЕАЛИЗАЦИИ

4

5. ВЫБРАННЫЕ ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА

5

6. ПРЕОБРАЗОВАНИЕ ГИЛЬБЕРТА-ХУАНГА

Преобразование Гильберта-Хуанга – это метод анализа
нелинейных нестационарных сигналов, предложенный группой
учёных во главе с Норденом Хуангом.
Данный метод может быть расширен для двумерных данных, в
том числе для изображений.
В контексте решаемой задачи метод позволяет повысить
точность предсказаний нейронной сети за счёт предварительного
извлечения признаков.
6

7. РЕАЛИЗАЦИЯ АЛГОРИТМОВ ПРЕДОБРАБОТКИ

Двумерное преобразование Гильберта-Хуанга было реализовано
в двух вариантах. В первом варианте на финальном этапе
использовалось Quadrant Hilbert Transform, а во втором –
преобразование Рисса.
Исходное изображение
Quadrant Hilbert Transform
Преобразование Рисса
7

8. АРХИТЕКТУРА U-NET

Для моделей использовалась модифицированная U-Net
архитектура, которая зарекомендовала себя в решении задач
сегментации изображений.
8

9. ОБУЧАЮЩИЕ ДАННЫЕ

В
качестве
одномерного
случая
мультиспектральных
изображений для обучения и проверки моделей использовались
SAR-снимки морской поверхности.
Исходное изображение
Маска
9

10. РЕЗУЛЬТАТЫ ОБУЧЕНИЯ

Были обучены 4 модели с разными входными данными.
Наилучший результат показала модель, которая помимо
исходного изображения получала результат двумерного
преобразования
Гильберта-Хуанга
с
использованием
преобразования Рисса. Точность прогнозов удалось повысить на
8 процентов.
Метрика/Модель
Исходное
изображение
EMD
Quadrant Hilbert
Transform
Преобразование
Рисса
Dice
~0.80
~0.84
~0.86
~0.88
Loss
~0.20
~0.16
~0.14
~0.12
10

11. МОДЕЛИРОВАНИЕ СИСТЕМЫ

Диаграмма вариантов использования
11

12. ДЕМОНСТРАЦИЯ РАБОТЫ

12

13. РЕЗУЛЬТАТЫ

Цель ВКР достигнута разработано программное решение для
выделения контуров разливов нефти на спутниковых снимках
морской поверхности на основе свёрточных нейронных сетей и
преобразования Гильберта-Хуанга.
Для её достижения были решены следующие задачи:
1) Разработаны алгоритмы предобработки данных на основе
преобразования Гильберта-Хуанга
2) Обучены нейронные сети для сегментации разливов нефти
3) Разработано приложение с графическим интерфейсом для
просмотра предсказаний моделей
13

14.

БЛАГОДАРЮ ЗА ВНИМАНИЕ!
14