Přesná detekce mraků ze satelitních snímků je důležitý krok před jakoukoliv vědeckou analýzou těchto snímků. Mnoho existujících algoritmů, které jsou schopny detekovat oblačnost jsou závislé na informaci o teplotě. Družice Sentinel-2 však tuto informaci neobsahuje a proto je detekce mraků z jejích snímků nejednoduchý úkol. V naší práci popisujeme specifikaci družice Sentinel-2 a studujeme vliv oblačnosti na jednotlivé spektrální kanály. Pomocí metod strojového učení se snažíme vyvinout algoritmus, který bude mraky detekovat z jednoho družicového snímku lépe než maska, kterou poskytuje Sentinel-2. Klíčem k tomu je tvorba dobré tréninkové množiny. Tuto množinu tvoříme odečtením dvou snímků stejné lokace v různých časových okamžicích, kdy jeden obsahuje oblačnost a druhý nikoliv. Díky tomu vytvoříme masku na které trénujeme algoritmy strojového učení, kterým dodáváme různé kombinace informací o spektrálních pásmech a porovnáváme jejich schopnost detekce mraků.
cze
dc.subject
Sentinel-2
cze
dc.subject
strojové učení
cze
dc.subject
dálkový průzkum Země
cze
dc.subject
detekce mraků
cze
dc.title
Algoritmy pro detekci mraků v datech ze satelitů Sentinel