Отрывок: Таким образом, использование большого количества признаков при разделении всех (по срав- нению с разделением основных) классов повышает эффективность классификации за счёт совместной спектрально-пространственной обработки на предва- рительном этапе при случайном формировании обу- чающи...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Борзов, С.М. | - |
dc.contributor.author | Гурьянов, М.А. | - |
dc.contributor.author | Потатуркин, О.И. | - |
dc.date.accessioned | 2019-07-29 12:34:13 | - |
dc.date.available | 2019-07-29 12:34:13 | - |
dc.date.issued | 2019-06 | - |
dc.identifier | Dspace\SGAU\20190718\78028 | ru |
dc.identifier.citation | Борзов, С.М. Исследование эффективности классификации трудноразли- чимых типов растительности по гиперспектральных изображениям / С.М. Борзов, М.А. Гурьянов, О.И. Потатуркин // Компьютерная оптика. – 2019. – Т. 43, № 3. – С. 464- 473. – DOI: 10.18287/2412-6179-2019-43-3-464-473. | ru |
dc.identifier.uri | https://dx.doi.org/10.18287/2412-6179-2019-43-3-464-473 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Issledovanie-effektivnosti-klassifikacii-trudnorazlichimyh-tipov-rastitelnosti-po-giperspektralnym-izobrazheniyam-78028 | - |
dc.description.abstract | Работа посвящена исследованию эффективности методов контролируемой спектральной и спектрально-пространственной классификации гиперспектральных данных. В частности, на примере различения типов растительности рассмотрены методы минимального расстояния, опорных векторов, Махаланобиса, максимального правдоподобия. Значительное внимание уделено изучению зависимости точности классификации данных при применении перечисленных методов от количества и способа выбора спектральных признаков. Продемонстрирована перспективность совместной обработки спектральных и пространственных признаков, учитывающей коррелированность близкорасположенных пикселей. Приведены экспериментальные результаты, полученные при различных способах формирования обучающих выборок. | ru |
dc.description.sponsorship | Работа выполнена при поддержке Министерства науки и высшего образования в рамках выполнения работ по Государственному заданию №АААА-А17-117052410034-6 в ИАиЭ СО РАН. | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский национальный исследовательский университет им. академика С.П. Королева, Институт систем обработки изображений РАН - филиал ФНИЦ «Кристаллография и фотоника» РАН | ru |
dc.relation.ispartofseries | 43;3 | - |
dc.subject | дистанционное зондирование Земли | ru |
dc.subject | обработка изображений | ru |
dc.subject | гиперспектральные изображения | ru |
dc.subject | классификация типов поверхностей | ru |
dc.subject | спектральные и пространственные признаки | ru |
dc.title | Исследование эффективности классификации трудноразличимых типов растительности по гиперспектральным изображениям | ru |
dc.title.alternative | Study of the classification efficiency of difficult-to-distinguish vegetation types using hyperspectral data | ru |
dc.type | Article | ru |
dc.textpart | Таким образом, использование большого количества признаков при разделении всех (по срав- нению с разделением основных) классов повышает эффективность классификации за счёт совместной спектрально-пространственной обработки на предва- рительном этапе при случайном формировании обу- чающи... | - |
dc.classindex.scsti | 89.57.35 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
15_Borzov-Guraynov-Potaturkin_AA-PicPos-JuN-MI-L-SV-Page-JuN2-NL.pdf | Основная статья | 1.36 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.