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. 2008. В.5. Т.1. С. 32-39

Кластеризация почвенно-растительных объектов с помощью нейросетевого алгоритма Кохонена

Б.М. Балтер 1, Д.Б. Балтер 1, В.В. Егоров 1, А.А. Ильин 2, А.П. Калинин 3, А.Г. Орлов 2, И.Д. Родионов 4
1 Институт космических исследований РАН, 117997, Москва, ул. Профсоюзная, 84/32
2 ЗАО Научно-технический центр "Реагент", 119991, Москва, ул. Косыгина, 4
3 Институт проблем механики РАН, 119526, Москва, просп. Вернадского, 101/1
4 Институт химической физики им. Н.Н. Семенова РАН, 119991, Москва, ул. Косыгина, 4
В настоящей работе рассматривается задача кластеризации (классификации без обучения)
почвенно-растительных объектов по данным гиперспектрального зондирования с борта авианоси-
теля. Для этой цели используется отображение Кохонена из многомерного пространства спек-
тральных данных на двумерную поверхность с последующей кластеризацией данных на этой по-
верхности методом ISODATA. Для кластеризации используются не весь объем данных, а данные с
некоторых участков. Этими участками могут являться либо случайно выбранные точки зондируе-
мой поверхности, либо интересующие нас объекты. На основании результатов кластеризации рас-
сматривается проблема корректного выбора обучающих участков для применения методов класси-
фикации с обучением.
Полный текст

Список литературы:

  1. Балтер Б.М., Егоров В.В., Ильин А.А., Калинин А.П., Орлов А.Г., Останний А.Н., Родионова
  2. И.П., Родионов И.Д. Оценка возможностей гиперспектральной съемки для дистанционного обна- ружения заданного типа растительности // Препринт ИКИ РАН Пр-2134. 2007. 30 с.
  3. Непобедимый С.П., Родионов И.Д., Воронцов Д.В., Орлов А.Г., Калашников С.К., Калинин
  4. А.П., Овчинников М.Ю., Родионов А.И., Шилов И.Б., Любимов В.Н., Осипов А.Ф. Гиперспектраль- ное дистанционное зондирование Земли // Доклады Академии наук, 2004, Т 397, №1, C.45-48.
  5. Балтер Д.М., Белов А.А., Воронцов Д.В., Ведешин Л.А., Егоров В.В., Калинин А.П., Орлов
  6. А.Г., Родионов А.И., Родионова И.П., Федунин Е.Ю. Проект спутникового гиперспектрометра, пред- назначенного для малого космического аппарата // Исслед. Земли из космоса, 2007, №2. C.43-55.
  7. Балтер Б.М., Егоров В.В. Статистическая оценка состояния природных объектов по дан- ным дистанционных измерений // Исслед. Земли из космоса, 1981, № 3, C.46-55.
  8. Воронцов Д.В., Егоров В.В., Калинин А.П., Орлов А.Г., Родионов И.Д.,
  9. Родионова И.П. Принципы обработки гиперспектральной информации и результаты летных ис- пытаний прототипа авиационного гиперспектрометра // Вестник МГТУ им. Н.Э. Баумана, Сер. «Приборостороение», 2006, №4. С.27-37.
  10. Richards J.A. Remote Sensing Digital Image Analysis. An Introduction // Springer-Verlag. Berlin, Heidenberg. 1993. 340 p.
  11. Балтер Б.М., Егоров В.В., Ильин А.А., Калинин А.П., Орлов А.Г., Останний А.Н., Родионо- ва И.П., Родионов И.Д. Оценка возможностей гиперспектральной съемки для дистанционного об- наружения заданного типа растительности // М.: Препринт ИКИ РАН, 2007, № 2134, 28 с.
  12. Kohonen T. Self-organization and associative memory. Series in Information Sciences. V.8. // Berlin: Springer verlag, 1984.
  13. Круглов В.В., Дли М.И., Голунов П.Ю. Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001. 224 с.
  14. Ту Дж., Гонзалес Р. Принципы распознавания образов. М.: Мир, 1978. 413 с.
  15. Балтер Б.М., Воронцов Д.В., Егоров В.В., Ильин А.А., Калинин А.П., Орлов А.Г., Останний
  16. А.Н., Родионов А.И., Родионов И.Д. Распознавание типов растительности по данным авиационно- го гиперспектрометра и многоспектрального космического сканера Quickbird // М.: Препринт ИПМех РАН, 2007, № 834, 36 с.