Архив
Том 21, 2024
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
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. 2013. Т. 10. №2. С. 284-294

Конструирование процедуры локальной обработки изображений, основанной на иерархической регрессии, предназначенной для решения задач обработки космических снимков

В.Н. Копенков 
Институт систем обработки изображений РАН, Самара, Россия
Работа посвящена использованию алгоритма автоматического построения вычислительной процедуры локальной нелинейной обработки цифровых сигналов/изображений, для обработки космических снимков. Вычислительная процедура использует для описания изображения признаки, вычисляемые на основе локального дискретного вейвлет-преобразования, а для получения результата преобразования – иерархическую древовидную регрессию. Построение процедуры производится на основе анализа прецедентов обработки (пар изображений «исходное» – «результат обработки»), максимизируя качество обработки и обобщающую способность решающего правила и учитывая ограничения по сложности конструируемого преобразования. В работе приведены примеры использования предложенной процедуры обработки для решения различных задач обработки космических снимков.
Ключевые слова: локальная обработка, вейвлет-преобразования, иерархическая регрессия, вычислительная эффективность, космические снимки, local processing, wavelet transform, a hierarchical regression, computational efficiency, space images
Полный текст

Список литературы:

  1. Воронцов К.В. Комбинаторный подход к оценке качества обучаемых алгоритмов // Математические вопросы кибернетики / Под ред. О.Б. Лупанова М.: Физматлит, 2004. Т. 13. С. 5–36.
  2. Копенков В.Н., Мясников В.В. Алгоритм автоматического построения процедуры локальной нелинейной обработки изображений на основе иерархической регрессии // Компьютерная оптика. 2012. Т. 36. № 2. С. 257–266.
  3. Сойфер В.А. Методы компьютерной обработки изображений / Под ред. В.А. Сойфера / Гашников М.В., Глумов Н.И., Ильясова Н.Ю., Мясников В.В. и др., под общей редакцией Сойфера В.А. 2-е изд., испр. М.: Физматлит, 2003. 784 с.
  4. Breiman L. Classification and regression trees / Breiman, L., J. H. Friedman J.H., Olshen R.A., Stone C.J. // Monterey, Calif., U.S.A.: Wadsworth, Inc. 1984.
  5. Haikin S. Neural Networks: A Comprehensive Foundation. М.: Vilyams, 2006. 1104 p.
  6. Kopenkov V. Effecient algorithms of local discret wavelet transform with HAAR-like bases. Pattern Recognition and Image Analysis. Vol. 18. № 4. 2008. P. 654–661.
  7. Kopenkov V.N., Myasnikov V.V. Research the performance of a recursive algorithm of the local discrete wavelet transform // 20-th International Conference on Pattern Recognition (ICPR-2010). Istanbul, Turkey. August 23–26, 2010. Abstract book. 317 p.
  8. Mallat S. A wavelet tour of signal processing. M.: Academic Press, 1999. 637 p.