Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 44.212.50.220
    [SESS_TIME] => 1711666193
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => c5832f452c33c09783051745236dd9a8
    [UNIQUE_KEY] => edc6cf22624e8a10238a15de51f72916
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Автометрия

2020 год, номер 4

ВЫБОР ИНФОРМАТИВНОЙ СИСТЕМЫ ПРИЗНАКОВ ПРИ КЛАССИФИКАЦИИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР ПО ГИПЕРСПЕКТРАЛЬНЫМ ДАННЫМ

С.М. Борзов, О.И. Потатуркин
Институт автоматики и электрометрии СО РАН, Новосибирск, Россия
borzov@iae.nsk.su
Ключевые слова: дистанционное зондирование Земли, гиперспектральные изображения, классификация сельскохозяйственных культур, выбор информативных признаков, remote sensing, hyperspectral images, crop classification, selection of informative features
Страницы: 134-144

Аннотация

Методы, основанные на обработке данных видеосъёмки, показали свою эффективность во многих областях сельского и лесного хозяйств. Тем не менее они недостаточно точны для классификации слаборазличимых объектов и типов растительности, что можно обеспечить только за счёт применения гиперспектральных сенсоров. Но такие устройства до настоящего времени были дороги и сложны в эксплуатации и использовались в основном на спутниках и пилотируемых самолётах. В последние годы предложены технологии создания более компактных и лёгких сенсоров, основанных на выборе на этапе проектирования ограниченного числа спектральных интервалов и их расположения. Они могут использоваться для научных или коммерческих целей в полевых условиях и, кроме того, быть установлены на беспилотных летательных аппаратах. В данной работе на примере 220-канального гиперспектрального изображения экспериментально исследована возможность существенного уменьшения объёма регистрируемых данных за счёт выбора положения и ширины ограниченного количества наиболее информативных спектральных каналов при решении задачи классификации сельскохозяйственных культур. Показано, что применяемый метод формирования систем признаков имеет существенное преимущество по сравнению с регулярным прореживанием и близок по эффективности к методам на основе анализа главных компонент, обладая при этом существенно меньшей требуемой трудоёмкостью вычислений.

DOI: 10.15372/AUT20200414