Details
| Title | 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» |
|---|---|
| Creators | Шабанов Никита Андреевич |
| Scientific adviser | Баженов Александр Николаевич |
| Organization | Санкт-Петербургский политехнический университет Петра Великого. Физико-механический институт |
| Imprint | Санкт-Петербург, 2025 |
| Collection | Выпускные квалификационные работы ; Общая коллекция |
| Subjects | мультиспектральные изображения ; редукция шума в изображениях ; компьютерное зрение ; разложение Такера ; hyperspectral images ; image denoising ; computer vision ; Tucker decomposition |
| Document type | Bachelor graduation qualification work |
| File type | |
| Language | Russian |
| Level of education | Bachelor |
| Speciality code (FGOS) | 01.03.02 |
| Speciality group (FGOS) | 010000 - Математика и механика |
| DOI | 10.18720/SPBPU/3/2025/vr/vr25-3539 |
| Rights | Доступ по паролю из сети Интернет (чтение, печать) |
| Additionally | New arrival |
| Record key | ru\spstu\vkr\39059 |
| Record create date | 9/24/2025 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
| Group | Anonymous |
|---|---|
| Network | Internet |
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.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
- 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
Access count: 0
Last 30 days: 0
