Главная – Журналы – Оптика атмосферы и океана 2025 номер 5

Рассматривается проблема классификации изображений облачности, представляющих собой сложные текстурные структуры с неоднородными характеристиками. Традиционные методы анализа изображений не всегда справляются с классификацией таких изображений, а современные технологии глубокого обучения требуют больших объемов данных и вычислительных ресурсов. Исследование фокусируется на оценке возможности разработки гибридного метода, сочетающего традиционные статистические подходы к описанию текстур и современные технологии глубокого обучения. Предполагалось, что высокоуровневые признаки, которые нейронная сеть выделяет при обучении, могут быть недостаточно чувствительны к тонким локальным различиям облачных образований. Был реализован и проанализирован гибридный подход: перед анализом нейросетью из изображений извлекались низкоуровневые текстурные характеристики. Однако результаты тестирования показали, что такая методика не только не улучшила качество классификации, но и оказалась менее эффективной по точности в сравнении с использованием необработанных изображений. Результаты работы могут быть интересны специалистам в области анализа данных дистанционного зондирования Земли, метеорологии и при разработке новых методов анализа текстурных изображений.