ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. №3. С. 65-69

Текстурная сегментация одноканальных изображений: примеры применения

Н.В. Родионова 
Фрязинский филиал Института радиотехники и электроники им. В.А. Котельникова РАН, 141190, Фрязино, Московской обл., пл. им. акад. Б.А. Введенского, 1
В данной работе осуществлена текстурная RGB сегментация одноканальных изображений с использованием статистик второго порядка Харалика. Приведены примеры применения текстурной сегментации при обработке данных дистанционного зондирования Земли.
Ключевые слова: одноканальное изображение, сегментация, текстурные признаки, статистики второго порядка
Полный текст

Список литературы:

  1. Астафуров В.Г., Скороходов А.В. Классификация облаков по спутниковым снимкам на основе технологии нейронных сетей // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 1. С. 65-72.
  2. Козлов З.В., Павлюков С.С., Суханов К.Ю. Дешифрирование космических снимков нефтегазоперспективных участков морского шельфа на основе текстурных признаков // Гiдроакустичний журнал. 2006. № 3. С. 25-31.
  3. Мицель А.А., Колодникова Н.В., Протасов К.Т. Непараметрический алгоритм текстурного анализа аэрокосмических снимков // Изв. Томского политехнич. ун-та. 2005. Т. 308. № 1. С. 65-70.
  4. Caridade C.M.R., Marçal A.R.S., Mendonça T.. The use of texture for image classification of black & white air-photographs // New Developments and Challenges in Remote Sensing / Ed. Z. Bochenek. Rotterdam: Millpress, 2007.
  5. Freeman A., Durden S.L. A three-component scattering model for polarimetric SAR data // IEEE Trans. Geoscience and Remote Sensing. 1998. V. 36. N. 3. P. 963-973.
  6. Haralick R.M. Textural Features for Image Classification // IEEE Trans. Systems, Man, and Cybernetics. 1973. V. 3. N. 6. P. 610-621.
  7. Kuplich T., Curran P., Atkinson P. Relating SAR image texture to the biomass of regenerating tropical Forests // Intern. J. Remote Sensing. 2005. V. 26. N. 21. P. 4829-4854.
  8. Lee J.-S., Grunes M.R., De Grandi G. Polarimetric SAR speckle filtering and its implication for classification // IEEE Trans. Geoscience and Remote Sensing. 1999. V. 37. N. 5. P. 2363-2373.
  9. De Morais M. C., Junior P.M.P., Paradella W. R. Potential of SAR data (L-hh-hv-vv) to discriminate iron-mineralised laterites in the Amazon Region (Carajás Province) based on textural attributes // Anais 13 Simpósio Brasileiro de Sensoriamento Remoto, Florianópolis. Brasil. 2007. INPE. P. 2069-2078.
  10. Puissant J., Hirsch J., Weber C. The utility of texture analysis to improve per-pixel classification for high to very high spatial resolution imagery // Intern. J. Remote Sensing. 2005. V. 26, N. 4. P. 733-745.
  11. Rodionova N.V. One channel image texture based interpretation // Proc. PolInSAR-2011. Frascati. 2011. [Электрон. текст]. CD-ROM.
  12. Soh L.-K., Tsatsoulis C. Texture Analysis of SAR Sea Ice Imagery Using Gray Level Co-Occurrence Matrices // IEEE Trans. Geoscience and Remote Sensing. 1999. V 7. N. 2.
  13. Tiwari S., Agarwal S., Trang A. Texture Feature Selection for Buried Mine Detection in Airborne Multispectral Imagery // Proc. IGARSS'2008. Boston. 2008. [Электрон. текст]. CD-ROM.
  14. Ulaby F.T., Kouyate F., Brisco B. et al. Textural Information in SAR Images // IEEE Trans. Geoscience and Remote Sensing. 1986. V. GE-24 (2). P. 235-245.