Föstudaginn 8. maí ver Pedram Ghamisi doktorsritgerð sína í rafmagns- og tölvuverkfræði við Rafmagns- og tölvuverkfræðideild Háskóla Íslands. Ritgerðin ber heitið: Flokkun gagna af afar hárri vídd með róf- og rúmupplýsingum (Spectral and spatial classification of hyperspectral data).
Andmælendur eru dr. Melba M. Crawford, prófessor við Purdue University, West Lafayette, Indiana, Bandaríkjunum, og David W. Messinger, dósent við Rochester Institute of Technology, Rochester, New York, Bandaríkjunum.
Leiðbeinandi var dr. Jón Atli Benediktsson, prófessor við Rafmagns- og tölvuverkfræðideild Háskóla Íslands. Auk hans sátu í doktorsnefnd dr. Magnús Örn Úlfarsson, prófessor við Rafmagns- og tölvuverkfræðideild Háskóla Íslands, og dr. Antonio J. Plaza, dósent við Department of Technology of Computers and Communications, University of Extremadura í Caceres, Spáni.
Dr. Kristinn Andersen, prófessor og deildarforseti Rafmagns- og tölvuverkfræðideildar, stjórnar athöfninni.
Ágrip af rannsókn
Kerfi sem notuð eru til að taka myndir af gríðarlega hárri vídd hafa notið mikillar athygli rannsakenda á undanförnum árum. Þessi kerfi nota skynjara sem safna gögnum einkum frá sýnilegu yfir miðinnrauða bylgjulengdarsviðið og geta náð samtímis hundruð (þröngra) rófrása fyrir sama svæðið á yfirborði jarðar. Vegna þessara nákvæmu rófupplýsinga sem fást með svona skynjurum er aukinn möguleiki á því að greina á milli þeirra efna á jörðinni sem eru til athugunar hverju sinni, með aukinni flokkunarnákvæmni. Til viðbótar má nefna varðandi þróunina að greinihæfni nýlegra skynjara af gríðarlegri vídd er að verða meiri, sem býður upp á greiningu á litlum rúmfræðilegum hlutum í myndum sem þessir skynjarar gefa.
Það er enginn vafi á því að telja má flokkun (eða kortlagningu) sem hryggjarstykkið í túlkun fjarkönnunarmynda. Almennt eru leiðbeindar flokkunaraðferðir notaðar til að flokka inntaksgögn með því að vinna rófupplýsingar (þ.e. gildi sérhverrar myndeiningar í gráskalamyndum eða gildi vigurs fyrir RGB eða myndir af hárri vídd) gagnanna og búa til flokkunarkort til að aðgreina þá flokka sem eru til skoðunar. Þá eru notuð svokölluð þjálfunargögn eða -sýni sem eru fulltrúar hvers flokks fyrir sig. Á þennan hátt eru kort búin til úr myndum með því að þjálfa fyrst flokkara og beita flokkaranum svo. Hins vegar hafa flestar núverandi flokkunaraðferðir verið þróaðar fyrir greiningur á fjölrása myndum (myndir sem hafa færri en 20 víddir) og henta því ekki endilega fyrir flokkun mynda af gríðarlegri vídd (miklu fleiri víddir en 20) sem bjóða upp á mjög nákvæmar rófupplýsingar. Þetta gefur tilefni til þess að spurt sé hvort hægt sé að beita núverandi flokkunaraðferðum á gögn af mikilli vídd.
Meginverkefni þessarar ritgerðar er að þróa nákvæmar flokkunaraðferðir sem taka tillit til bæði róf- og rúmupplýsinga. Til viðbótar við flokkunarnákvæmni í flokkun mynda af gríðarlegri vídd þarf einnig að hafa í huga hversu einfaldar og hraðvirkar aðferðirnar eru. Af þeim sökum er sérstök áhersla lögð í þessari ritgerð á ónæmar aðferðir sem eru bæði nákvæmar og hraðvirkar. Til að gera fyrirliggjandi aðferðir öflugri og til að minnka hina oft tímafreku gagnvirkni við notendur, eru hér þróaðar sjálfvikrar aðferðir. Slíkar aðferðir má nota í rauntímavinnslu, t.a.m. við eftirlit með umhverfisvá og til að minnka það tjón sem af getur hlotist. Þrjár meginaðferðir eru rannsakaðar í ritgerðinni.
Um doktorsefnið
Pedram Ghamisi lauk B.Sc. gráðu í byggingarverkfræði frá Azad University í Teheran, Íran, og M.Sc. gráðu (Hons.) í fjarkönnun frá K.N. Toosi tækniháskólanum í Teheran 2012. Rannsóknasvið hans er mynsturgreining, lærdómur véla, fjarkönnun og myndgreining. Pedram hlaut verðlaun sem besti rannsakandinn í hópi M.Sc. stúdenta við K.N. Toosi háskólann 2010–2011. Hann hlaut IEEE Mikio Takagi verðlaunin fyrir að vinna fyrstu verðlaun í stúdentakeppninni á 2013 IEEE International Geoscience and Remote Sensing Symposium (IGARSS) í Melbourne í júlí 2013.