Вестник НГУ
Серия: Информационные технологии

Научный журнал, основан в 2003 году

ISSN 2410-0420 (Online), ISSN 1818-7900 (Print)

Switch to
English

Все выпуски >> Содержание журнала: Том 15, Выпуск № 4 (2017)

Спектрально-пространственная классификация типов растительности по гиперспектральным данным
Марк Александрович Гурьянов, Сергей Михайлович Борзов

Институт автоматики и электрометрии СО РАН
Новосибирский государственный университет

DOI: DOI 10.25205/1818-7900-2017-15-4-14-21
УДК : 528.72:004.93

Аннотация
Работа посвящена исследованию эффективности методов контролируемой спектрально-пространственной классификации гиперспектральных данных при различении типов растительности (сельскохозяйственных культур). На примере тестового фрагмента изображения, полученного в рамках программы AVIRIS, выполнено сравнение ряда подходов к повышению точности классификации за счет учета окрестности пикселей на различных этапах обработки данных. Показано, что наибольшей эффективностью обладает метод, сочетающий пространственную обработку исходных изображений и постобработку формируемых картосхем.

Ключевые слова
дистанционное зондирование Земли, гиперспектральные изображения, классификация типов поверхностей, спектральные и пространственные признаки

Цитирование:
Гурьянов М. А., Борзов С. М. Спектрально-пространственная классификация типов растительности по гиперспектральным данным // Вестник НГУ Серия: Информационные технологии. - 2017. - Том 15, Выпуск № 4. - С. 14-21. - DOI 10.25205/1818-7900-2017-15-4-14-21. - ISSN 1818-7900.

Полный текст публикации

Просмотр в формате PDF

Список цитируемой литературы
1. Перспективные информационные технологии дистанционного зондирования Земли: Моногр. / Под ред. В. А. Сойфера. Самара: Новая техника, 2015. 256 с.
2. Chen C., Li W., Tramel E.W., Cui M., Prasad S., Fowler J. E. Spectral-spatial preprocessing using multihypothesis prediction for noise-robust hyperspectral image classification // IEEE J. Sel. Top. Appl. Earth Observ. Remote Sens. 2014. Vol. 7. Р. 1047–1059.
3. Palsson F., Ulfarsson M. O., Sveinsson J. R. Hyperspectral image denoising using a sparse low rank model and dual-tree complex wavelet transform // Proc. of the Geoscience and Remote Sensing Symposium (IGARSS), IEEE International. 2014. P. 3670–3673.
4. Zhen Ye, Mingyi He, Fowler J. E., Qian Du. Hyperspectral image classification based on spectra derivative features and locality preserving analysis // Proc. of the Signal and Information Processing (ChinaSIP), IEEE China Summit & International Conference. 2014. P. 138–142.
5. Borhani M., Ghassemian H. Hyperspectral Image Classification Based on Spectral-Spatial Features Using Probabilistic SVM and Locally Weighted Markov Random Fields // Iranian Conference on Intelligent Systems (ICIS 2014). 2014. P. 1–6.
6. Yang Hu, Eli Saber, Monteiro Sildomar T., Cahill Nathan D., Messinger David W. Classification of hyperspectral images based on conditional random fields // Proc. SPIE 9405, Image Processing: Machine Vision Applications VIII, 940510 (February 27, 2015); doi:10.1117/12.2083374; http://dx.doi.org/10.1117/12.2083374
7. Tarabalka Y., Rana A. Graph-Cut-Based Model for Spectral-Spatial Classification of Hyperspectral Images // International Geoscience and Remote Sensing Symposium (IGARSS); Quebec, Canada. 2014. P. 3418–21.
8. Lillesand M. T., Kiefer R. W., Chipman J. W. Remote Sensing and Image Interpretation. N. Y.: John Wiley & Sons, 2004. 763 p.
9. Hader D. P. Imageanalysis: methods and applications. London: CRC Press, 2000. 480 p.
10. Baumgardner M. F., Biehl L. L., Landgrebe D. A. 220 Band AVIRIS Hyperspectral Image Data Set: June 12, 1992 Indian Pine Test Site 3. Purdue University Research Repository. 2015. doi:10.4231/R7RX991C.
11. Борзов С. М., Потатуркин А. О., Потатуркин О. И., Федотов А. М. Исследование эффективности классификации гиперспектральных спутниковых изображений природных и антропогенных территорий // Автометрия. 2016. № 1. С. 3–14.
12. Green A. A., Berman M., Switzer P., Craig M. D. A transformation for ordering multispectral data in terms of image quality with implications for noise removal // IEEE Transactions on Geoscience and Remote Sensing. 1988. Vol. 26. No. 1. P. 65–74.

Информация о публикации
Вестник НГУ Серия: Информационные технологии, Том 15, Выпуск № 4 (2017).
Год издания: 2017
ISSN: 1818-7900 (Print), ISSN 2410-0420 (Online)
Издатель: Федеральное государственное автономное образовательное учреждение высшего образования "Новосибирский национальный исследовательский государственный университет"
Ссылка на репозиторий


|Головная| |Все выпуски| |Информация для авторов| |Редакционнный Совет| |Этические принципы| |Редакционная политика| |Контакты| |Оплата публикации| |Политика свободного доступа| |Старый сайт журнала|

inftech@vestnik.nsu.ru
© 2006-2018, Новосибирский государственный университет.