Отрывок: S. Extraction of spatial-spectral homogene- ous patches and fractional abundances for field-scale agri- culture monitoring using airborne hyperspectral images / A.S. Sahadevan // Computers and Electronics in Agricul- ture. – 2021. – Vol. 188. – 106325. 5. Zhang, Y. Estimating the maize biomass by crop height and narrowband vegetation indices derived from UAV-based hyperspectral images / Y. Zhang, C. Xia, X. Zhang, X. Cheng, G. Feng, Y. Wang, Q. Gao // Ecological Indica- tors. – 2021. ...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorФирсов, Н.А.-
dc.contributor.authorПодлипнов, В.В.-
dc.contributor.authorИвлиев, Н.А.-
dc.contributor.authorНиколаев, П.П.-
dc.contributor.authorМашков, С.В.-
dc.contributor.authorИшкин, П.А.-
dc.contributor.authorСкиданов, Р.В.-
dc.contributor.authorНиконоров, А.В.-
dc.date.accessioned2022-02-07 16:35:08-
dc.date.available2022-02-07 16:35:08-
dc.date.issued2021-11-
dc.identifierDspace\SGAU\20220203\95515ru
dc.identifier.citationФирсов, Н.А. Нейросетевая классификация гиперспектральных изображений растительности с формированием обучающей выборки на основе адаптивного вегетационного индекса / Н.А. Фирсов, В.В. Подлипнов, Н.А. Ивлиев, П.П. Николаев, С.В. Машков, П.А. Ишкин, Р.В. Скиданов, А.В. Никоноров // Компьютерная оптика. – 2021. – Т. 45, № 6. – С. 887-896. – DOI: 10.18287/2412-6179-CO-1038.ru
dc.identifier.uri10.18287/2412-6179-CO-1038-
dc.identifier.urihttp://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Neirosetevaya-klassifikaciya-giperspektralnyh-izobrazhenii-rastitelnosti-s-formirovaniem-obuchaushei-vyborki-na-osnove-adaptivnogo-vegetacionnogo-indeksa-95515-
dc.description.abstractВ настоящей работе предложен новый подход к классификации гиперспектральных изображений высокого разрешения в прикладной задаче определения типов сельскохозяйственной растительности. В качестве классификатора используется спектрально-пространственная сверточная нейронная сеть с компенсацией вариаций освещения. Для автоматизированного формирования обучающей выборки предложен алгоритм на основе адаптивного вегетационного индекса. Показана эффективность предложенного подхода в задаче классификации типов растительности по результатам съемок сельскохозяйственных угодий, выполненных сканирующей гиперспектральной камерой.ru
dc.description.sponsorshipТеоретическая часть работы и разработка нейросетевых моделей выполнена при поддержке гранта РНФ 20-69-47110, экспериментальная часть выполнена в рамках государственного задания ИСОИ РАН – филиала Федерального научно-исследовательского центра «Кристаллография и фотоника» РАН (соглашение № 007-ГЗ/Ч3363/26) и РФФИ 19-29-01235.ru
dc.language.isorusru
dc.publisherСамарский национальный исследовательский университетru
dc.relation.ispartofseries45;6-
dc.subjectгиперспектральные изображения, вегетационный индекс, сверточные нейронные сети, классификация растительности, спектрально-пространственная классификация гиперспектральных изображений, вегетационные индексыru
dc.titleНейросетевая классификация гиперспектральных изображений растительности с формированием обучающей выборки на основе адаптивного вегетационного индексаru
dc.title.alternativeNeural network-aided classification of hyperspectral vegetation images with a training sample generated using an adaptive vegetation indexru
dc.typeArticleru
dc.textpartS. Extraction of spatial-spectral homogene- ous patches and fractional abundances for field-scale agri- culture monitoring using airborne hyperspectral images / A.S. Sahadevan // Computers and Electronics in Agricul- ture. – 2021. – Vol. 188. – 106325. 5. Zhang, Y. Estimating the maize biomass by crop height and narrowband vegetation indices derived from UAV-based hyperspectral images / Y. Zhang, C. Xia, X. Zhang, X. Cheng, G. Feng, Y. Wang, Q. Gao // Ecological Indica- tors. – 2021. ...-
dc.classindex.scsti28.23.15-
Располагается в коллекциях: Журнал "Компьютерная оптика"

Файлы этого ресурса:
Файл Описание Размер Формат  
13-Фирсов-Подлипнов-Ивлиев-и-др SVPics-KI-MI-Lit-MA-JuN2-Aut-NL.pdfОсновная статья8.57 MBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



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