RUS  ENG ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ЛИЧНЫЙ КАБИНЕТ
Общая информация
Последний выпуск
Архив

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



КО:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


КО, 2018, том 42, выпуск 5, страницы 846–854 (Mi co569)  

ОБРАБОТКА ИЗОБРАЖЕНИЙ, РАСПОЗНАВАНИЕ ОБРАЗОВ

Распознавание растительности на гиперспектральных изображениях по показателю сопряжённости

С. А. Бибиковab, Н. Л. Казанскийba, В. А. Фурсовba

a ИСОИ РАН – филиал ФНИЦ «Кристаллография и фотоника» РАН, 443001, Россия, г. Самара, ул. Молодогвардейская, д. 151
b Самарский национальный исследовательский университет имени академика С.П. Королева, 443086, Россия, г. Самара, Московское шоссе, д. 34

Аннотация: Исследуется алгоритм распознавания растительных культур на гиперспектральных изображениях, основанный на применении в качестве меры близости показателя сопряжённости с подпространством, образованным сигнатурами заданного класса. Цель работы – показать, что этот метод при проведении предварительной обработки данных, заключающейся во взвешивании компонент векторов признаков и разбиении классов на подклассы, обеспечивает более высокое качество распознавания по сравнению с наиболее популярным методом опорных векторов (SVM). При проведении экспериментов для сравнения с методом SVM использовалась реализация из пакета MatLab. Эта программа обеспечивает высокие результаты метода SVM на достаточно сложном тесте для распознавания близких типов растительности «Индиан Пайнс», на котором размечены 16 классов растительных культур. Тест является достаточно сложным, т.к. сигнатуры классов сильно коррелированы. Полученные результаты показывают возможность распознавания большого количества растительных культур, в т.ч. и наркосодержащих.

Ключевые слова: гиперспектральные изображения, тематическая классификация, метод опорных векторов, показатель сопряжённости.

Финансовая поддержка Номер гранта
Министерство образования и науки Российской Федерации
МД-2531.2017.9
Российский фонд фундаментальных исследований 16-07-00729 а
18-07-01390-А
16-47-630721 р_а
16-29-09528-офи_м
Работа выполнена при поддержке Министерства образования и науки РФ (госзадание), РФФИ (проекты №16-07-00729 а, № 18-07-01390-А, № 16-47-630721 р_а, № 16-29-09528-офи_м) и гранта Президента Российской Федерации МД-2531.2017.9


DOI: https://doi.org/10.18287/2412-6179-2018-42-5-846-854

Полный текст: PDF файл (598 kB)
Список литературы: PDF файл   HTML файл

Тип публикации: Статья
Поступила в редакцию: 07.08.2018
Принята в печать:17.09.2018

Образец цитирования: С. А. Бибиков, Н. Л. Казанский, В. А. Фурсов, “Распознавание растительности на гиперспектральных изображениях по показателю сопряжённости”, КО, 42:5 (2018), 846–854

Цитирование в формате AMSBIB
\RBibitem{BibKazFur18}
\by С.~А.~Бибиков, Н.~Л.~Казанский, В.~А.~Фурсов
\paper Распознавание растительности на гиперспектральных изображениях по показателю сопряжённости
\jour КО
\yr 2018
\vol 42
\issue 5
\pages 846--854
\mathnet{http://mi.mathnet.ru/co569}
\crossref{https://doi.org/10.18287/2412-6179-2018-42-5-846-854}


Образцы ссылок на эту страницу:
  • http://mi.mathnet.ru/co569
  • http://mi.mathnet.ru/rus/co/v42/i5/p846

    ОТПРАВИТЬ: VKontakte.ru FaceBook Twitter Mail.ru Livejournal Memori.ru


    Citing articles on Google Scholar: Russian citations, English citations
    Related articles on Google Scholar: Russian articles, English articles
  • Компьютерная оптика
    Просмотров:
    Эта страница:19
    Полный текст:8
    Литература:3

     
    Обратная связь:
     Пользовательское соглашение  Регистрация  Логотипы © Математический институт им. В. А. Стеклова РАН, 2019