Scheda Laboratorio

Machine Learning for Remote Sensing

  • Sede: 1) Università degli Studi di Trento Dipartimento di Ingegneria e Scienze dell'Informazione 2) Max Planck Institute for Intelligent Systems Department of Empirical Inference
  • Descrizione: La mia attività di ricerca riguarda lo sviluppo di tecniche di machine learning per l'analisi e la classificazione di immagini telerilevate di ultima generazione. Il recente sviluppo di sensori e tecnologie satellitari ha permesso la produzione di sistemi capaci di acquisire immagini multispettrali caratterizzati da una risoluzione geometrica inferiore al metro e immagini iperspettrali composte da centinaia di bande associate a stretti canali spettrali. Queste tipologie di dati permettono di studiare i materiali e le proprietà geometriche degli oggetti presenti al suolo (ad es. edifici, strade, campi agricoli, ecc.) e di fornire informazioni importati per diverse applicazioni relative al monitoraggio dell'ambiente naturale e di strutture antropiche. Allo scopo di sviluppare applicazioni reali con immagini telerilevate ad altissima risoluzione geometrica ed iperspettrali è necessario definire opportune tecniche automatiche in grado di estrarre il contenuto informativo in maniera efficace ed efficiente. La mia attività di ricerca è incentrata nello sviluppo di tecniche di classificazione di immagini telerilevate, che sono alla base di molte applicazioni relative al monitoraggio ambientale. La classificazione di immagini telerilevate è finalizzata al riconoscimento dei materiali presenti al suolo per la produzione di mappe tematiche. Tuttavia, la complessità dei dati e il loro enorme contenuto informativo rendono il processo di analisi e classificazione estremamente complesso. Le tecniche attualmente disponibili non sono ancora adeguate per analizzare in maniera appropriata queste tipologie di dati. Per questa ragione, lo scopo generale della mia attività di ricerca è legata allo sviluppo di tecniche innovative di machine learning per l'analisi e la classificazione di immagini satellitari ad altissima risoluzione geometrica ed immagini iperspettrali al fine di migliorare la capacità di estrarre il contenuto informativo dei dati telerilevati in reali contesti operativi.
  • Indirizzo: 1) Via Sommarive 5 38123 Povo, Trento Italia 2) Spemannstrasse 41 72076 Tübingen Germania
  • Riferimento: Claudio Persello
  • Sito web: http://rslab.disi.unitn.it
  • Keywords: - Machine Learning - Pattern Recognition - Remote Sensing - Image Processing - Kernel methods
  • Membri (Soci CVPL): 4