I.Mednieks uzsāka darbu EDI 1980.gadā kā inženieris. Līdzdarbojies galvenokārt zinātniskās pētniecības projektos, kas saistīti ar pseidostohastiskās diskretizācijas un DASP tehnoloģijas izmantošanu. Patreizējās zinātniskās aktivitātes saistītas ar tālizpētes attēlu apstrādi. Tehnisko zinātņu kandidāts (1988), Dr.dat. (1992). Vairāk nekā 50 publikāciju autors.
Nesenie projekti
-
Uz objektiem un kontekstu orientēts pašmācošs tīkls zemes pārklājuma klasifikācijai (Dynland-2)
-
Purvu un kūdrāju automatizēta identifikācija, izmantojot satelīta datu laikrindas (MireClass) #ESA
-
Satelītdatos balstīta jauna mežaudzes krājas novērtēšanas tehnoloģija (WoodStock) #ESIF
-
Dinamiska zemes lietošanas pārraudzība (NevKlas) #ESIF
-
Dynamic land use monitoring by fusion of satellite data (DynLand) #ESA
- Tehnoloģijas drošai un uzticamai gudrajai pilsētai (GUDPILS) #SRP (VPP)
- Inovatīvas biomedicīnisko attēlu iegūšanas un apstrādes tehnoloģijas (InBiT) #ESIF
- Multi – modeļu izstrādes tehnoloģija .NET pielietojumu projektiem (MEDUS) #ESIF
- Koku sugu identificēšana Latvijas mežos (TrIdent) #ESIF
- Uz tālizpēti balstīta meža riska faktoru uzraudzības sistēma (Forest Risk) #ERAF
- Sentinel datu izmantošana uzticamu karšu gatavošanai: SentiMap #ERAF
Nesenās publikācijas
- Linda Gulbe, Juris Zarins, Ints Mednieks, “Automated delineation of microstands in hemiboreal mixed forests using stereo GeoEye-1 data”. MPDI Open Access Journals, Remote Sens. 18 March 2022. https://www.mdpi.com/2072-4292/14/6/1471.
- Romans Dinuls, Ints Mednieks. (2018). Nonparametric Classification of Satellite Images.ICoMS 2018 Proceedings of the 2018 International Conference on Mathematics and Statistics Pages 64-68, Porto, Portugal — July 15 - 17, 2018
- Sinica-Sinavskis J., Dinuls R., Zarins J., Mednieks I., Automatic tree species classification from Sentinel 2 images using deficient inventory data, 2020 17th Biennial Baltic Electronics Conference (BEC), Tallinn, Estonia, pp. 1-6, 2020.
- A. Lorencs, I. Mednieks & J. Sinica-Sinavskis. Selection of informative hyperspectral band subsets based on entropy and correlation. International Journal of Remote Sensing, 39:20, pp. 6931-6948, 2018. DOI: 10.1080/01431161.2018.1468107