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] => 3.144.202.167
    [SESS_TIME] => 1713578874
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => fee8a7f0226e63c3e8c4870438039dcb
    [UNIQUE_KEY] => c3476132b0dcf6c6d2042927d8ff1fca
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Автометрия

2022 год, номер 2

СЕГМЕНТАЦИЯ ПРИРОДНЫХ И АНТРОПОГЕННЫХ ОБЪЕКТОВ ПО ПАНХРОМАТИЧЕСКИМ СПУТНИКОВЫМ ИЗОБРАЖЕНИЯМ С ИСПОЛЬЗОВАНИЕМ СТАТИСТИЧЕСКИХ ТЕКСТУРНЫХ ПРИЗНАКОВ

Е.В. Дмитриев1,2, Т.В. Кондранин2, С.А. Зотов2
1Институт вычислительной математики им. Г. И. Марчука РАН, г. Москва, Россия
yegor@mail.ru
2Московский физико-технический институт, г. Москва, Россия
kondr@kondr.rector.mipt.ru
Ключевые слова: дистанционное зондирование, распознавание образов, текстурные признаки, тематическая обработка, классификация, сегментация
Страницы: 69-84

Аннотация

Рассматривается задача сегментации природно-техногенных объектов по панхроматическим спутниковым изображениям сверхвысокого пространственного разрешения (< 1м) с использованием текстурного анализа. Проводится анализ эффективности различных статистических методов извлечения текстурных признаков. На основе численных экспериментов выделены методы, которые позволяют с высокой точностью (> 95%) сегментировать основные типы природных и антропогенных объектов, а также различные структуры растительного полога. Предложен метод TTSPCA, который даёт возможность совместно использовать наиболее информативные признаки, извлекаемые с помощью различных статистических методов. Результаты тестовых расчётов показывают, что данный метод имеет большую точность (> 99%) при решении задачи текстурной сегментации по сравнению с рассмотренными стандартными подходами.

DOI: 10.15372/AUT20220209
Добавить в корзину
Товар добавлен в корзину