Bøker av Kiran Bhandari

Con i progressi della tecnologia dei sensori di imaging spaziali, il potenziale per la creazione di database geospaziali è aumentato immensamente; tuttavia, l'estrazione di informazioni sui target dalle immagini telerilevate ad alta risoluzione rappresenta ancora un problema impegnativo. Molti satelliti sono stati lanciati per analizzare diverse regioni del terreno, come i deserti, le aree costiere, le metropolitane, la vegetazione, per effettuare rilievi geologici per il monitoraggio ambientale, la previsione di disastri, ecc. Questi satelliti acquisiscono ogni giorno un gran numero di immagini che portano a un aumento esponenziale del database contenente immagini satellitari non strutturate e non organizzate. È quindi imminente la necessità di sviluppare un sistema robusto per recuperare un insieme di immagini da questo database non strutturato che soddisfi le esigenze dell'utente. I sistemi convenzionali di elaborazione delle query si basano sulla corrispondenza di parole chiave quali l'ora di acquisizione, la posizione geografica, il tipo di sensore, ecc. Per condurre la ricerca è stato utilizzato il dataset standard disponibile su www.earthexplore.nasa.us.gov.in/images contenente 1000 immagini. In ogni fase del lavoro viene effettuata un'analisi comparativa dettagliata dei risultati recuperati in termini di accuratezza, precisione, richiamo e F-measure.

Com os avanços na tecnologia de sensores de imagem espacial, o potencial de construção de bases de dados geoespaciais aumentou imenso; no entanto, a extração de informações sobre alvos a partir de imagens de alta resolução obtidas por teledeteção continua a ser um problema difícil. Foram lançados muitos satélites para analisar diferentes regiões do terreno, como desertos, zonas costeiras, áreas metropolitanas, vegetação, para efetuar levantamentos geológicos para monitorização ambiental, previsão de catástrofes, etc. Estes satélites adquirem um grande número de imagens todos os dias, o que leva a um aumento exponencial da base de dados que contém imagens de satélite não estruturadas e não organizadas. Assim, há uma necessidade iminente de desenvolver um sistema robusto para recuperar um conjunto de imagens desta base de dados não estruturada que satisfaça os requisitos do utilizador. Os sistemas convencionais de processamento de consultas baseiam-se na correspondência de palavras-chave, como a hora de aquisição, as localizações geográficas, os tipos de sensores, etc. O conjunto de dados padrão disponível em www.earthexplore.nasa.us.gov.in/images, que contém 1000 imagens, é utilizado para levar a cabo a investigação. Em cada fase do trabalho, é efectuada uma análise comparativa pormenorizada dos resultados recuperados em termos de exatidão, precisão, recuperação e medida F.

With advances in space-borne imaging sensor technology, the potential for building geospatial databases has increased immensely; yet extracting target information from the high resolution remotely sensed images still poses a challenging problem. Many satellites have been launched to analyse different terrain regions such as deserts, coastal areas, metrös, vegetation, to carry out geological surveys for environmental monitoring, disaster forecasting etc. These satellites acquire a large number of images everyday leading to an exponential increase in the database containing unstructured and unorganized satellite images. Hence there is imminent need to develop a robust system to retrieve a set of images from this unstructured database that will meet the user¿s requirement. Conventional query processing systems are based on matching keywords such as time of acquisition, geographic locations, sensor types, etc. The standard dataset which is available on www.earthexplore.nasa.us.gov.in/images containing 1000 images is used to carry out the research. A detailed comparative analysis of retrieved results in accuracy, precision, recall and F-measure is carried out in each phase of the work.