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.authorБорзов, С.М.-
dc.contributor.authorГурьянов, М.А.-
dc.contributor.authorПотатуркин, О.И.-
dc.date.accessioned2019-07-29 12:34:13-
dc.date.available2019-07-29 12:34:13-
dc.date.issued2019-06-
dc.identifierDspace\SGAU\20190718\78028ru
dc.identifier.citationБорзов, 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.urihttps://dx.doi.org/10.18287/2412-6179-2019-43-3-464-473-
dc.identifier.urihttp://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Issledovanie-effektivnosti-klassifikacii-trudnorazlichimyh-tipov-rastitelnosti-po-giperspektralnym-izobrazheniyam-78028-
dc.description.abstractРабота 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.sponsorshipРабота 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.isorusru
dc.publisherСамарский национальный исследовательский университет им. академика С.П. Королева, Институт систем обработки изображений РАН - филиал ФНИЦ «Кристаллография и фотоника» РАНru
dc.relation.ispartofseries43;3-
dc.subjectдистанционное зондирование Землиru
dc.subjectобработка изображенийru
dc.subjectгиперспектральные изображенияru
dc.subjectклассификация типов поверхностейru
dc.subjectспектральные и пространственные признакиru
dc.titleИсследование эффективности классификации трудноразличимых типов растительности по гиперспектральным изображениямru
dc.title.alternativeStudy of the classification efficiency of difficult-to-distinguish vegetation types using hyperspectral dataru
dc.typeArticleru
dc.textpartТаким 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.scsti89.57.35-
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.pdfОсновная статья1.36 MBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.