Ksieniewicz, Paweł2018-10-252018-10-252018Edukacja – Technika – Informatyka nr 2(24)/2018, s. 311–3172080-9069http://repozytorium.ur.edu.pl/handle/item/4038W pracy opisano implementację oraz analizę eksperymentalną algorytmu Entropodynamicznego Filtra Percentylowego, pozwalającego na detekcję szumu w obrazach o wielu składowych spektralnych. Kostka danych wizualnych jest przetwarzana tak, aby wygenerować, niezależnie dla każdej składowej spektralnej, mapę krawędzi, która pozwala na oszacowanie informacji o rozkładzie entropii w spektrum. Filtr percentylowy oddziela nośniki szumu od warstw wysoce informacyjnych. Jakość metody jest weryfikowana dzięki serii testów wykonanych dla zadania klasyfikacji.Following work describes the implementation and experimental evaluation of the Entropodynamic Percentile Filter algorithm, allowing the detection of noise in images with many spectral components. The visual data block is processed to generate an edge map, independent of each spectral component, which makes possible the estimation of the information on the distribution of entropy in the spectrum. An appropriately constructed percentile filter separates noise carriers from highly informative layers. The quality of the method is verified with a series of experiments performed for the classification task.polAttribution-NonCommercial-NoDerivatives 4.0 Międzynarodowehttp://creativecommons.org/licenses/by-nc-nd/4.0/obrazowanie nadwidmoweredukcja cechuczenie maszynprzetwarzanie obrazówklasyfikacjahyperspectral imagingfeature reductionmachine learningimage processingclassificationarticle10.15584/eti.2018.2.432450-9221