W artykule przedstawiono integrację układów elektronicznych z ciałem ludzkim na przykładzie badań prowadzonych w Pracowni Układów Elektronicznych i Przetwarzania Sygnałów (PUEPS) w Politechnice Poznańskiej. Omówiono poprawę zrozumiałości mowy, w tym osób laryngektomowanych, testy audiometryczne, generację wielotonów nieharmonicznych, badania bioimpedancyjne, detekcję punktów akupunkturowych, terapię dźwiękiem oraz diagnostykę akustyczną, a także automatyczne rozpoznawanie mówcy.
EN
In this article an integration of electronic systems with human body has been presented. It is based on the research conducted by the Division of Signal Processing and Electronic Systems (DSP&ES) at Poznan University of Technology. Some essential issues have been discussed such as: speech intelligibility enhancement including laryngectomees’ pseudospeech/pseudowhisper, audiometric tests, non-harmonic multitones generation, bioimpedance studies, acupuncture points detection, sound therapy and acoustic diagnostics, as well as automatic speaker recognition.
W artykule przedstawiono algorytm półautomatycznej klasyfikacji obiektowej kompleksów krajobrazowo-roślinnych użytków zielonych na podstawie dwóch zobrazowań satelitów serii Landsat, wykonanych w odstępie 17 lat. NDVI z dwóch terminów, wskaźnik wieloletnich zmian NDVI oraz wskaźnik struktury pasowej wykorzystano do wydzielenia użytków zielonych spośród innych form użytkowania. Przedstawiono mapę poklasyfikacyjną okolic Bełchatowa. Wyróżniono 5 kategorii użytków zielonych.
EN
Semi-automated object classification of grasslands is presented. Landscape-vegetation complexes were distinguished on panchromatic data composites of two Landsat ETM+ images registered on 1999-09-10 and 2001-05-01. Bitemporal spectral data were used for classification. Two Landsat images were used: TM, 19870503 and 2001-05-01. Four indices were calculated: NDVI 1987-05-03, NDVI 2001-05-01, wzNDVI87/01 (NDVI change index), and WSP (strip structure index). The analysis confirmed the hypothesis that meadows may be distinguished from arable lands and from formerly arable sods after directional filtering of the index of multi-year NDVI change. Cluster analysis was performed to classify landscape-vegetation complexes. The full algorithm is described. Some errors found during terrain verification are discussed. A postclassification map of the Bełchatów environs (central Poland) was developed. Five grassland categories were distinguished.
Kompleks krajobrazowo-roślinny zastosowano jako jednostkę podstawowa w rejestracji roślinności na kompozycji danych panchromatycznych LandsatETM+. Zastosowano sześć wskaźników struktury i tekstury: wariancje w oknie 5×5 pikseli (Var5×5), wskaźnik struktury pasowej (SSI) oraz trzy wskaźniki małych obiektów: obiektów wielkości 3×3 piksele (S3×3), jednego piksela (S1×1) i wskaźnik różnicowy (S3×3Dif). W obszarach miejskich możliwa jest identyfikacja kompleksów roślinności z zabudowa i kompleksów bez udziału roślinności.
EN
Landscape vegetation complexes are used as the basic units for vegetation detection on Landsat ETM+ panchromatic data composition. Six structure and texture indexes are used: variance (Var5×5), strip structure index (SSI) and three small structure indexes: of size 3×3 pixels (S3×3), one pixel (S1×1) and differential index (S3×3Dif). Complexes of vegetation and buildings and complexes lack of vegetation may be distinguished in urban areas.
Przedstawiono metodę konstrukcji mapy satelitarnej użytków zielonych oraz zmian siedlisk i zbiorowisk łąkowych w okresie wieloletnim na podstawie analizy wartości i rozkładu przestrzennego wskaźnika NDVI. Użyto kompozycji trójbarwnej, w której dwie składowe barwne stanowią wartości NDVI obliczone ze zdjęć landsatowskich wykonanych w odstępie 14 lat. Jako trzeciej składowej użyto wskaźnika zmian NDVI, który w celu odróżnienia łąk od innych form użytkowania ziemi poddano filtracjom kierunkowym. Utworzona w ten sposób fotomapa pozwoliła wyodrębnić 11 form użytkowania ziemi. W szczególności powala odróżnić łąki użytkowane od nieużytkowanych, a w obrębie tych ostatnich łąki zabagniające od niezabagniających.
EN
A simple method was elaborated to display changes in meadow communities and habitats using two dates of Landsat imagery. The normalized difference vegetation index (NDVI) was computed for each date of imagery to define high and low vegetation biomass. Color composites were generated by combining the two dates of NDVI and the index of NDVI changes with either the red, green, or blue (RGB) image plans. Directional filtration of the index of NDVI changes were used to register a striped structure of arable areas. The result was that the structural difference between meadows and arable areas was quantified and visualized in color composition. Finally 11 categories of land use were distinguished.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.