Детальная информация
| Название | Применение тензорных разложений для анализа наборов данных: выпускная квалификационная работа бакалавра: направление 01.03.02 «Прикладная математика и информатика» ; образовательная программа 01.03.02_01 «Математическое моделирование и искусственный интеллект» = Application of Tensor Decompositions for analysis of datasets |
|---|---|
| Авторы | Шабанов Никита Андреевич |
| Научный руководитель | Баженов Александр Николаевич |
| Организация | Санкт-Петербургский политехнический университет Петра Великого. Физико-механический институт |
| Выходные сведения | Санкт-Петербург, 2025 |
| Коллекция | Выпускные квалификационные работы ; Общая коллекция |
| Тематика | мультиспектральные изображения ; редукция шума в изображениях ; компьютерное зрение ; разложение Такера ; hyperspectral images ; image denoising ; computer vision ; Tucker decomposition |
| Тип документа | Выпускная квалификационная работа бакалавра |
| Язык | Русский |
| Уровень высшего образования | Бакалавриат |
| Код специальности ФГОС | 01.03.02 |
| Группа специальностей ФГОС | 010000 - Математика и механика |
| DOI | 10.18720/SPBPU/3/2025/vr/vr25-3539 |
| Права доступа | Доступ по паролю из сети Интернет (чтение, печать) |
| Ключ записи | ru\spstu\vkr\39059 |
| Дата создания записи | 24.09.2025 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
| Группа | Анонимные пользователи |
|---|---|
| Сеть | Интернет |
Данная работа посвещена решению проблемы мультиспектральной редукции шума и определения оптимальных рангов разложения Такера для редукции шума на выборке мультиспектральных спутниковых изображений. На основе обучающей выборки мультиспектральных изображений была обучена регрессионная модель, предсказывающая оптимальные значения рангов Такера с минимизацией метрики спектрального угла. Проведено тестирование модели на тестовых данных с синтетическим шумом для различных типов рельефа.
This work is dedicated to addressing the Multispectral Image Denoising problem and determining of optimal Tucker decomposition ranks for noise reduction in a dataset of multispectral satellite images. A regression model was trained on a dataset of multispectral images to predict optimal Tucker ranks, while minimizing the spectral angle mapper (SAM) metric. The model was tested on test data with applied synthetic noise across various types of terrain.
| Место доступа | Группа пользователей | Действие |
|---|---|---|
| Локальная сеть ИБК СПбПУ | Все |
|
| Интернет | Авторизованные пользователи СПбПУ |
|
| Интернет | Анонимные пользователи |
|
- Введение
- Всестороннее изучение объекта и предмета исследования.
- Постановка задачи
- Основные определения
- Тензоры: определения
- Разложения: определения
- Метрики: определения
- Обзор существующих решений задачи.
- Обзор существующих решений задачи Image Registration
- Обзор существующих решений задачи редукции шума в изображениях.
- Обзор применимости существующих решений к задаче.
- Разработка нового подхода, программы.
- Описание предлагаемого подхода.
- Программная реализация.
- Вычислительные эксперименты.
- Описание тестовых данных.
- Визуальное сравнение зашумленных и оригинальных изображений.
- Демонстрация уменьшения шума.
- Результаты и их сравнительный анализ.
- Количественные результаты.
- Качественные результаты.
- Сравнение с существующими решениями.
- Выводы.
- Заключение
- Список источников
Количество обращений: 0
За последние 30 дней: 0
