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, 2019, том 43, выпуск 2, страницы 282–295
DOI: https://doi.org/10.18287/2412-6179-2019-43-2-282-295
(Mi co647)
 

Эта публикация цитируется в 26 научных статьях (всего в 26 статьях)

ОБРАБОТКА ИЗОБРАЖЕНИЙ, РАСПОЗНАВАНИЕ ОБРАЗОВ

Комплексный анализ и мониторинг состояния окружающей среды на основе данных ДЗЗ

Л. И. Лебедев, Ю. В. Ясаков, Т. Ш. Утешева, В. П. Громов, А. В. Борусяк, В. Е. Турлапов

Национальный исследовательский государственный университет им. Н.И. Лобачевского, пр. Гагарина 23, Россия, Н. Новгород
Список литературы:
Аннотация: Исследуется проблема комплексного анализа и мониторинга окружающей среды на основе прежде всего данных гиперспектральных изображений и вариант ее решения с созданием необходимого алгоритмического обеспечения для обработки и хранения гиперспектральных изображений. Гиперспектральное изображение рассматривается как двумерное поле сигнатур пикселей. Предложены методы оценки сходства сигнатуры пикселя гиперспектрального изображения с эталоном, включающие в себя простые преобразования совмещения пикселя с эталоном: тождественное; масштабирование по амплитуде; смещение по y; сочетание последних двух. Предложен метод кластеризации/распознавания с самообучением, определяющий значения параметров преобразования, обеспечивающего совмещение сигнатуры текущего пикселя с эталоном. Сходство с эталоном устанавливается по величине среднеквадратического отклонения. На этой основе предложен метод сжатия гиперспектральных изображений с контролируемыми потерями путем формирования базиса накоплением эталонов сигнатур и представления остальных сигнатур параметрами совмещения их с распознанным эталоном класса. В эксперименте с данными гиперспектральных изображений f100520t01p00r12 спектрометра AVIRIS, при величине потерь в 2 %, метод обеспечил коэффициенты сжатия исходного гиперспектрального изображения для разных типов преобразований совмещения от 43 до 165 без необходимости архивации, т.е. сохраняя доступ к гиперспектральному изображению и используя список эталонов как аналог палитры гиперспектральных изображений. Предложен алгоритм для формирования плотных групп детектируемых объектов (например, пятен нефти) и их невыпуклого оконтуривания, управляемый 4 параметрами.
Построена и реализована в пилотном варианте концепция геоинформационной системы и ее СУБД, обеспечивающая мониторинг и основанная на приоритете обработки и хранения гиперспектральных изображений, как источнике данных для него. В структуру системы введен лабораторный комплекс с новыми алгоритмами обработки и хранения гиперспектральных изображений, способный формировать на основе данных гиперспектральных изображений объекты цифровой векторной карты и данные о состоянии сформированных объектов.
Ключевые слова: гиперспектральные изображения, обработка изображений, распознавание с самообучением, сжатие с потерями, сжатие без архивации, невыпуклое оконтуривание, цифровые карты, СУБД, мониторинг окружающей среды.
Финансовая поддержка Номер гранта
Российский научный фонд 16-11-00068
Работа выполнена при поддержке Российского научного фонда (проект № 16-11-00068).
Поступила в редакцию: 06.12.2018
Принята в печать: 05.03.2019
Тип публикации: Статья
Образец цитирования: Л. И. Лебедев, Ю. В. Ясаков, Т. Ш. Утешева, В. П. Громов, А. В. Борусяк, В. Е. Турлапов, “Комплексный анализ и мониторинг состояния окружающей среды на основе данных ДЗЗ”, Компьютерная оптика, 43:2 (2019), 282–295
Цитирование в формате AMSBIB
\RBibitem{LebYasUte19}
\by Л.~И.~Лебедев, Ю.~В.~Ясаков, Т.~Ш.~Утешева, В.~П.~Громов, А.~В.~Борусяк, В.~Е.~Турлапов
\paper Комплексный анализ и мониторинг состояния окружающей среды на основе данных ДЗЗ
\jour Компьютерная оптика
\yr 2019
\vol 43
\issue 2
\pages 282--295
\mathnet{http://mi.mathnet.ru/co647}
\crossref{https://doi.org/10.18287/2412-6179-2019-43-2-282-295}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/co647
  • https://www.mathnet.ru/rus/co/v43/i2/p282
  • Эта публикация цитируется в следующих 26 статьяx:
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Компьютерная оптика
    Статистика просмотров:
    Страница аннотации:252
    PDF полного текста:68
    Список литературы:31
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024