Разработка и исследование нейросетевых алгоритмов сегментации и классификации объектов на изображениях дистанционного зондирования земной поверхности

Рассматривается актуальная задача выделения объектов по данным от радаров с синтезированной апертурой с использованием сверточных нейронных сетей. Важность решения этой задачи заключается в том, что оптические системы мониторинга земли (традиционно использующиеся для дешифрования объектов) затруднительно применять для идентификации тех или иных явлений, ввиду неблагоприятных погодных условий (облачность), препятствующими работе систем видимого диапазона. Для работы с радиолокационными и мультиспектральными данными будут предложены и исследованы специализированные нейросетевые архитектуры, позволяющие давать практические преимущества в задачах обнаружения объектов по сравнению с оптическим диапазоном. Будут сделаны оценки влияния спекл-шума, с учетом тог, что он имеет дисперсию, зависящую только от числа некогерентных накоплений при синтезе изображения и не превышающую фиксированное аналитически описанное значение.