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] => 3.145.183.137
    [SESS_TIME] => 1713430895
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => bc8b8edf12093269744f3d8d3528bcfe
    [UNIQUE_KEY] => fea2af96e4d3187b0073bf5ac8300edb
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Автометрия

2018 год, номер 6

СПЕКТРАЛЬНО-ПРОСТРАНСТВЕННЫЕ МЕТОДЫ КЛАССИФИКАЦИИ ГИПЕРСПЕКТРАЛЬНЫХ ИЗОБРАЖЕНИЙ. ОБЗОР

С.М. Борзов, О.И. Потатуркин
Институт автоматики и электрометрии СО РАН, 630090, г. Новосибирск, просп. Академика Коптюга, 1
borzov@iae.nsk.su
Ключевые слова: дистанционное зондирование Земли, гиперспектральные изображения, классификация типов поверхностей, спектральные и пространственные признаки, remote sensing, hyperspectral images, surface type classification, spectral and spatial features
Страницы: 64-86
Подраздел: АНАЛИЗ И СИНТЕЗ СИГНАЛОВ И ИЗОБРАЖЕНИЙ

Аннотация

Выполнен обзор методов спектрально-пространственной классификации гиперспектральных данных. Рассмотрены публикации, посвящённые наиболее популярным способам использования пространственной информации для повышения точности результирующих картосхем. Показано, что лучшие результаты достигаются при применении предварительной обработки «сырых» данных до выполнения процедур попиксельной спектральной классификации. Рассмотрены и проанализированы недостатки, ограничения и возможные направления развития существующих подходов.

DOI: 10.15372/AUT20180607