НЕЙРОСЕТЕВАЯ КЛАССИФИКАЦИЯ ТРУДНОРАЗЛИЧИМЫХ ТИПОВ РАСТИТЕЛЬНОСТИ ПО ГИПЕРСПЕКТРАЛЬНЫМ ПРИЗНАКАМ
Е.С. НЕЖЕВЕНКО
"Институт автоматики и электрометрии СО РАН, Новосибирск, Россия nejevenko@iae.nsk.su"
Ключевые слова: классификация, гиперспектральное изображение, преобразование Гильберта-Хуанга, главные компоненты, нейронные сети, classification, hyperspectral image, Hilbert-Huang transformation, principal components, neural networks
Страницы: 62-70
Аннотация
Экспериментально показано, что классификация фрагментов гиперспектрального изображения с предварительной трансформацией его спектральных признаков в главные компоненты и с применением пространственного преобразования Гильберта - Хуанга эффективна в случае трудноразличимых по гиперспектрам типов растительности. Проведено сравнение такой классификации с традиционными методами, когда используются гиперспектральные признаки, преобразованные в главные компоненты без привлечения пространственной информации. На конечной стадии классификации во всех методах применяются нейронные сети RBF.
Наш сайт использует куки. Продолжая им пользоваться, вы соглашаетесь на обработку персональных данных в соответствии с политикой конфиденциальности. Подробнее