Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 636193)
Контекстум
Руконтекст антиплагиат система
Автометрия  / №1 2017

ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ СПЕКТРАЛЬНО-ПРОСТРАНСТВЕННОЙ КЛАССИФИКАЦИИ ДАННЫХ ГИПЕРСПЕКТРАЛЬНЫХ НАБЛЮДЕНИЙ (300,00 руб.)

0   0
Первый авторБорзов
АвторыПотатуркин О.И.
Страниц11
ID574783
АннотацияЭкспериментально исследована эффективность методов спектрально-пространственной классификации трудноразличимых типов растительности по гиперспектральным данным дистанционного зондирования Земли, учитывающих при анализе пикселей изображений их локальные окрестности. Рассмотрены алгоритмы, использующие предварительную пространственную обработку исходных данных, а также постобработку картосхем попиксельной спектральной классификации. Приведены результаты, полученные как на крупноформатном гиперспектральном изображении, так и на его тестовом фрагменте при различных способах формирования обучающих выборок. Точность классификации во всех случаях оценена путём сопоставления подспутниковых данных и картосхем классов, сформированных с помощью сравниваемых методов. При обсуждении результатов поясняются причины, приводящие к различию оценок
УДК528.72 : 004.93
Борзов, С.М. ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ СПЕКТРАЛЬНО-ПРОСТРАНСТВЕННОЙ КЛАССИФИКАЦИИ ДАННЫХ ГИПЕРСПЕКТРАЛЬНЫХ НАБЛЮДЕНИЙ / С.М. Борзов, О.И. Потатуркин // Автометрия .— 2017 .— №1 .— С. 32-42 .— URL: https://rucont.ru/efd/574783 (дата обращения: 17.05.2024)

Предпросмотр (выдержки из произведения)

53, № 1 АНАЛИЗ И СИНТЕЗ СИГНАЛОВ И ИЗОБРАЖЕНИЙ УДК 528.72 : 004.93 ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ СПЕКТРАЛЬНО-ПРОСТРАНСТВЕННОЙ КЛАССИФИКАЦИИ ДАННЫХ ГИПЕРСПЕКТРАЛЬНЫХ НАБЛЮДЕНИЙ∗ С. М. <...> Пирогова, 2 E-mail: borzov@iae.nsk.su potaturkin@iae.nsk.su Экспериментально исследована эффективность методов спектрально-пространственной классификации трудноразличимых типов растительности по гиперспектральным данным дистанционного зондирования Земли, учитывающих при анализе пикселей изображений их локальные окрестности. <...> Рассмотрены алгоритмы, использующие предварительную пространственную обработку исходных данных, а также постобработку картосхем попиксельной спектральной классификации. <...> Приведены результаты, полученные как на крупноформатном гиперспектральном изображении, так и на его тестовом фрагменте при различных способах формирования обучающих выборок. <...> Точность классификации во всех случаях оценена путём сопоставления подспутниковых данных и картосхем классов, сформированных с помощью сравниваемых методов. <...> Ключевые слова: дистанционное зондирование Земли, гиперспектральные изображения, фрагменты, спектральные и пространственные признаки, классификация типов подстилающих поверхностей. <...> В настоящее время дистанционное зондирование Земли — наиболее активно развивающаяся область науки и техники. <...> При гиперспектральной съёмке поверхности Земли регистрируемые изображения получаются неоднородными несмотря на то, что соседние пиксели, как правило, относятся к одному и тому же классу (сцена состоит преимущественно из однородных регионов). <...> . Кроме того, спектральный состав каждого пикселя определяется характеристиками объектов, образующих данный пиксель [2]. <...> По этой причине картосхемы, полученные в результате попиксельной спектральной классификации, оказываются раздробленными и содержат большое количество ложно классифицированных пикселей. <...> Решить указанную проблему позволяет совместный анализ спектральных <...>