Отрывок: References [1] Xue J, Su B. Significant remote sensing vegetation indices: A review of developments and applications. J Sens 2017; 2017: 1353691. DOI: 1...
Название : | Ансамбли спектрально-пространственных сверточных нейросетевых моделей для задачи классификации типов почв на гиперспектральных изображениях |
Другие названия : | Ensembles of spectral-spatial convolutional neural network models for classifying soil types in hyperspectral images |
Авторы/Редакторы : | Фирсов, Н.А. Подлипнов, В.В. Ивлиев, Н.А. Рыськова, Д.Д. Музыка, А.А. Макаров, А.Р. Платонов, В.И. Бабичев, А.Н. Ольгаренко, В.И. Николаев, П.П. Скиданов, Р.В. Никоноров, А.В. Казанский, Н.Л. Монастырский, В.А. Сойфер, В.А. Пирогов, А.В. Лобанов, В.Е. |
Ключевые слова : | гиперспектральные изображения гиперспектральное зондирование проксимальное зондирование сверточные нейронные сети спектрально-пространственная классификация почвенная картография |
Дата публикации : | Сен-2023 |
Издательство : | Самарский национальный исследовательский университет |
Библиографическое описание : | Фирсов, Н.А. Ансамбли спектрально-пространственных сверточных нейросетевых моделей для задачи классификации типов почв на гиперспектральных изображениях / Н.А. Фирсов, В.В. Подлипнов, Н.А. Ивлиев, Д.Д. Рыськова, А.В. Пирогов, А.А. Музыка, А.Р. Макаров, В.Е. Лобанов, В.И. Платонов, А.Н. Бабичев, В.А. Монастырский, В.И. Ольгаренко, П.П. Николаев, Р.В. Скиданов, А.В. Никоноров, Н.Л. Казанский, В.А. Сойфер // Компьютерная оптика. – 2023. – Т. 47, № 5. – С. 795-805. – DOI: 10.18287/2412-6179-CO-1260. |
Серия/номер : | 47;5 |
Аннотация : | В работе представлено исследование различных подходов к классификации почвенных покровов на основе нейросетевых алгоритмов по данным гиперспектрального дистанционного и проксимального зондирования Земли. Спектральные распределения при этом регистрировались в лабораторных условиях с использованием изображающего сканирующего гиперспектрометра на основе схемы Оффнера. Экспериментально исследованы пространственно-спектральные признаки девяти проб почв с различных участков фермерского хозяйства на территории Самарской области. С помощью метода энергодисперсионного микроанализа установлено соответствие гиперспектральных данных и химического состава взятых проб. На основе полученных данных реализована нейросетевая классификация образцов почв в зависимости от содержания в них таких элементов, как углерод и кальций. В качестве классификатора использовалась нормализованная спектрально-пространственная сверточная нейронная сеть. Авторами предложен подход к классификации гиперспектральных изображений высокого разрешения, основанный на уточнении мультиклассовой сверточной нейронной сети с помощью ансамбля бинарных классификаторов. Показано, что классификация образцов почв по содержанию углерода и кальция осуществляется с точностью 0,96. |
URI (Унифицированный идентификатор ресурса) : | https://dx.doi.org/10.18287/2412-6179-CO-1260 http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Ansambli-spektralnoprostranstvennyh-svertochnyh-neirosetevyh-modelei-dlya-zadachi-klassifikacii-tipov-pochv-na-giperspektralnyh-izobrazheniyah-109029 |
Другие идентификаторы : | Dspace\SGAU\20240315\109029 |
ГРНТИ: | 28.23.37 |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
2412-6179_2023_47_5_795-805.pdf | 3.79 MB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.