ИСТИНА

Проблема распознавания образов исследуется в контексте обработки изображений дистанционного зондирования на основе текстурных и спектральных признаков для объектов поверхности суши. Основное внимание уделяется распознаванию объектов лесного покрова разного породного состава и возраста с помощью машинно-обучающих алгоритмов и высокопроизводительных компьютеров. Мы находим максимум апостериорной вероятности выбранных классов объектов для усовершенствованного байесовского классификатора с использованием формализма Марковских случайных полей при описании соседства пикселей, относящихся к соответствующим классам объектов лесного покрова. Усовершенствования касаются достижения устойчивых решений при распознавании многих классов объектов на основе пошаговой оптимизации, кросс-валидации и методов нахождения выборочных данных. Категория энергии для выделенных классов служит обоснованием меры правдоподобия регистрируемых данных дистанционного зондирования и теоретических функций распределения, аппроксимирующих эти данные. Реализуются процедуры оптимизации для описания текстуры выделенных классов лесного покрова при распознавании таких объектов вместе с нахождением тонких нюансов их спектрального распределения в признаковом пространстве. В результате устраняется возможная избыточность каналов гиперспектрального зондирования вследствие их корреляции. Показаны трудности, обусловленные различием выборочных данных при разделении пикселей, которые характеризуют освещенные верхушки деревьев, затененное фоновое пространство и промежуточные условия освещения Солнцем рассматриваемых объектов на гиперспектральных изображениях. Установлено, что разделение этих пикселей для разных классов лесной растительности повышает точность распознавания, но требует согласования ансамблей данных для всех таких пикселей.