Cognition Network Technology

Cognition Network Technology® představuje unikátní patentovaný přístup k vyhodnocení a klasifikaci obrazových dat, založený na objektově orientované segmentaci dat a následné “fuzzy” klasifikaci obrazových objektů.

V současné době je tato technologie nabízena v rámci řady produktů eCogntion Suite.


Použitá metoda je založena na zpracování obrazových dat pomocí dvou základních procesů:
  • segmentace na základě vstupních obrazových nebo tématických datových vrstev (možno ve více úrovních rozlišení)
  • klasifikace obrazových objektů podle uživatelem definovaného schématu

Uvedený přístup nabízí uživateli nejrůznější varianty klasifikačního postupu. Segmentace originálních dat může být provedena do několika úrovní podle požadované velikosti obrazových objektů (např. koruny stromů, skupiny stromů, druhová skladba lesa, lesní parcely, ...). Vzájemné vazby mezi objekty na jedné nebo více úrovních jsou přitom vždy zachovány. V rámci následné klasifikace lze definovat nejrůznější klasifikační pravidla, založená např. na spektrální nebo texturální charakteristice objektů, geometrickém tvaru objektů, sousedství objektů v rámci jedné úrovně, vzájemném vztahu objektů různých úrovní apod.


Principiální technologické řešení programu spočívá v analýze obrazu využívající sémantické informace k interpretaci/klasifikaci. Podobně jako člověk, který vizuálně vnímá celkový kontext obrazu a vztahy mezi jednotlivými objekty, umožňuje program eCognition vytvořit znalostní báze založené na těchto principech. Nejedná se tedy o izolované vyhodnocování jednotlivých obrazových pixelů, ale o komplexní řešení vzájemných vztahů mezi obrazovými objekty. Získané znalosti lze poté převádět do automatizovaného zpracování celého snímku, případně sady snímků.


Implementace fuzzy logiky do tohoto systému umožňuje též řešit problematiku neurčitosti zařazení daného objektu do sady připravených tříd. Uživatel může analyzovat příslušnosti jednotlivých objektů ke každé klasifikované třídě. Kromě definice minimální hodnoty příslušnosti je také možné vytvořit jakoukoliv funkci fuzzy příslušnosti dané třídy, která přiřazuje míru příslušnosti objektu na základě hodnoty zvoleného příznaku. Pomocí logických operátorů je možné kombinovat více pravidel pro každou klasifikovanou třídu. Výsledkem pak může být i velmi komplexní popis jednotlivých tříd. Tímto postupem lze převádět zjednodušené hodnotící výrazy, jako například „malé objekty obklopené zástavbou se spektrálními příznaky vegetace“ nebo „delší liniové objekty podél lesa“ do klasifikační báze. Jinými slovy, systematický postup vizuální interpretace lze převést do znalostní báze umožňující automatizované vyhodnocení snímků. Jednotlivé části klasifikační báze lze vytvářet nezávisle na více počítačích, například skupinou vývojářů, a poté je spojit v jedno souhrnné klasifikační schéma, případně využívat klasifikační pravidla již ověřená v jiných projektech. Tato vlastnost výrazně zvyšuje operativnost celého systému.