Přednáška se zabývá analýzou dat DPZ na pokročilé úrovni. Hlavním cílem je uvést studenta do problematiky obrazové analýzy v kontextu extrakce informace o přírodních zdrojích z dat DPZ včetně témat:

Radiometrické korekce obrazu I (konstrukce radiometru – multispektrální měření, relativní hodnoty, kalibrace, absolutní hodnoty, chyby/šum detektoru, poměr signálu k šumu)
Radiometrické korekce obrazu II (korekce na dvousměrovou odrazivost, atmosférická korekce vč. algoritmů pro její řešení)
Geometrické korekce (geometrická zkreslení, geometrické transformace pro georeferencování, interpolační metody pro překreslení)
Zvýraznění multispektrálního obrazu (indexy, PCA, TCT, pansharpening, …)
Klasifikace obecně – definice a přístupy, příznaky (spektrální, texturální, geometrické), problém neurčitosti hranic objektů/tříd, klasifikační legenda, základní klasifikační algoritmy (mindist, maxlikelihood, K-means, ISODATA), fuzzy přístup, linear unmixing
Objektový přístup ke klasifikaci
Principy dalších algoritmů strojového učení používaných pro klasifikaci obrazu I (random forest, SVM)
Principy dalších algoritmů strojového učení používaných pro klasifikaci obrazu II (CNN)
Pořizování a zpracování hyperspektrálních dat. Modely přenosu záře (radiative transfer models), empirické modely odhadu kvantitativní informace z dat DPZ
Klasifikace časových řad, kombinace dat z různých senzorů a různého rozlišení

Praktická cvičení rozvíjejí teoretické poznatky formou úloh zaměřených na zpracování obrazových dat pomocí programů eCognition, ENVI, Matlab a Snap.

V LS 2020/21 bude předmět až do odvolání vyuřčovám online v čase rozvrhované výuky. Odkaz na Google Meet bude zapsaným studentům zaslán prostřednictvím SIS před zahájením výuky.