Компьютерная оптика
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Правила для авторов

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Компьютерная оптика:
Год:
Том:
Выпуск:
Страница:
Найти






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


Компьютерная оптика, 2018, том 42, выпуск 5, страницы 846–854
DOI: https://doi.org/10.18287/2412-6179-2018-42-5-846-854
(Mi co569)
 

Эта публикация цитируется в 37 научных статьях (всего в 37 статьях)

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
Список литературы:
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
Поступила в редакцию: 07.08.2018
Принята в печать: 17.09.2018
Тип публикации: Статья
Образец цитирования: С. А. Бибиков, Н. Л. Казанский, В. А. Фурсов, “Распознавание растительности на гиперспектральных изображениях по показателю сопряжённости”, Компьютерная оптика, 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 Компьютерная оптика
\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:
  • https://www.mathnet.ru/rus/co569
  • https://www.mathnet.ru/rus/co/v42/i5/p846
  • Эта публикация цитируется в следующих 37 статьяx:
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Компьютерная оптика
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024