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] => 2880
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [PASSWORD_CHECK_WEAK] => N
                    [PASSWORD_CHECK_POLICY] => N
                    [PASSWORD_CHANGE_DAYS] => 0
                    [PASSWORD_UNIQUE_COUNT] => 0
                    [LOGIN_ATTEMPTS] => 0
                    [BLOCK_LOGIN_ATTEMPTS] => 0
                    [BLOCK_TIME] => 0
                )

        )

    [SESS_IP] => 216.73.216.1
    [SESS_TIME] => 1758020500
    [IS_EXPIRED] => 
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [SESS_SHOW_INCLUDE_TIME_EXEC] => 
    [fixed_session_id] => fa43a88961ea299e0fbeaf5f24d2ff71
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

    [SESS_OPERATIONS] => Array
        (
        )

)

Поиск по журналу

Автометрия

2025 год, номер 4

ИССЛЕДОВАНИЕ ГИПЕРСПЕКТРАЛЬНЫХ СИСТЕМ ПРИЗНАКОВ ДЛЯ КЛАССИФИКАЦИИ ПРИРОДНЫХ И АНТРОПОГЕННЫХ ОБЪЕКТОВ

С.М. Борзов, Е.С. Нежевенко, С.И. Орлов, О.И. Потатуркин, С.Б. Узилов
Институт автоматики и электрометрии СО РАН, Новосибирск, Россия
nejevenko@iae.nsk.su
Ключевые слова: обнаружение объектов, спектры отражения, спектральные каналы, вегетационные индексы, методы и алгоритмы классификации, обработка изображений
Страницы: 5-19

Аннотация

Предложена методика обработки совокупности гиперспектральных данных с целью формирования представительной системы признаков, и проведена классификация объектов с использованием семи различных систем признаков в узких спектральных интервалах (30 нм) видимой и ближней инфракрасных областях спектра на основе измеренных коэффициентов спектральной яркости (КСЯ). Показано, что для классификации 12 типов растительности и камуфляжных покрытий целесообразно использовать системы из трёх признаков. При этом традиционные вегетационные индексы, часто применяемые для исследования растений, обеспечивают недостаточно высокую точность классификации объектов выбранных типов. Более эффективно по сравнению с ними одновременное использование двух разностных индексов. Однако лучшую точность классификации обеспечивают системы из трёх признаков, представляющих собой интегрированные значения КСЯ в специально выбранных спектральных диапазонах. Отметим, что при классификации объектов на два класса практически во всех случаях точность классификации равна или близка к 100 %.

DOI: 10.15372/AUT20250401
Добавить в корзину
Товар добавлен в корзину