|
ИСТИНА |
Войти в систему Регистрация |
ИПМех РАН |
||
Гиперспектральное дистанционное зондирование: распознавание образов и анализ сцентезисы доклада
- Авторы: Козодеров В.В., Дмитриев Е.В., Егоров В.Д., Мельник П.Г.
- Сборник: Международный симпозиум "Атмосферная радиация и динамика" (МСАРД-2017)
- Тезисы
- Год издания: 2017
- Издательство: Федеральное государственное бюджетное образовательное учреждение высшего образования "Санкт-Петербургский государственный университет"
- Местоположение издательства: Санкт-Петербург
- Первая страница: 54
- Последняя страница: 55
- Аннотация: Проблемы распознавания объектов лесного покрова разного породного состава и возраста исследуются на примерах обработки самолетных гиперспектральных изображений (сотни спектральных каналов в видимой и ближней инфракрасной области) для выбранного участка тестовой территории. Высокое пространственное разрешение данных гиперспектрального зондирования (около 1 м с высоты полета около 2 км) приводит к тому, что заданный класс объектов лесного покрова характеризуется случайным распределением пикселей для освещенных верхушек крон деревьев, полностью затененного фонового пространства и частично освещенными и затененными фито-элементами. Разрабатываются алфавиты классов объектов по их спектральным и текстурным признакам на основе регистрируемых спектральных плотностей энергетической яркости (СПЭЯ), а также пространственного распределения регистрируемых элементов разрешения (пикселей). Создаются словари совокупности признаков соответствующих объектов. Определяются правила принятия решений о принадлежности выбранных классов объектов к известным априори на основе максимума апостериорной вероятности (в случае байесовского классификатора принятия статистических решений). Используются также другие классификаторы: метрический классификатор определяет минимум евклидова расстояния в многомерном признаковом пространстве, определяемом числом спектральных каналов; метод К-ближайших соседей основан на исследовании соседства пикселей для заданного класса объектов; метод опорных векторов применяется при решении проблемы минимаксной оптимизации. Для тестовой территории показаны преимущества и недостатки всех перечисленных классификаторов.
- Добавил в систему: Козодеров Владимир Васильевич