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] => 54.163.221.133
    [SESS_TIME] => 1711634113
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 1709b458a966e452e72b3d430040c249
    [UNIQUE_KEY] => 1a3861e113950d35e1653651c3b56aa0
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Автометрия

2017 год, номер 1

ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ СПЕКТРАЛЬНО-ПРОСТРАНСТВЕННОЙ КЛАССИФИКАЦИИ ДАННЫХ ГИПЕРСПЕКТРАЛЬНЫХ НАБЛЮДЕНИЙ

С.М. Борзов1, О.И. Потатуркин1,2
1Институт автоматики и электрометрии СО РАН, 630090, г. Новосибирск, просп. Академика Коптюга, 1
borzov@iae.nsk.su
2Новосибирский государственный университет, 630090, г. Новосибирск, ул. Пирогова, 2
potaturkin@iae.nsk.su
Ключевые слова: дистанционное зондирование Земли, гиперспектральные изображения, фрагменты, спектральные и пространственные признаки, классификация типов подстилающих поверхностей, remote sensing, hyperspectral images, fragments, spectral and spatial attributes, classification of underlying surface types
Страницы: 32-42
Подраздел: АНАЛИЗ И СИНТЕЗ СИГНАЛОВ И ИЗОБРАЖЕНИЙ

Аннотация

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. При обсуждении результатов поясняются причины, приводящие к различию оценок.

DOI: 10.15372/AUT20170105