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
41 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 текстСписок литературы:
- Балтер Б.М., Егоров В.В., Ильин А.А., Калинин А.П., Орлов А.Г., Останний А.Н., Родионова
- И.П., Родионов И.Д. Оценка возможностей гиперспектральной съемки для дистанционного обна- ружения заданного типа растительности // Препринт ИКИ РАН Пр-2134. 2007. 30 с.
- Непобедимый С.П., Родионов И.Д., Воронцов Д.В., Орлов А.Г., Калашников С.К., Калинин
- 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.
- Балтер Д.М., Белов А.А., Воронцов Д.В., Ведешин Л.А., Егоров В.В., Калинин А.П., Орлов
- 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.
- 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.
- Воронцов Д.В., Егоров В.В., Калинин А.П., Орлов А.Г., Родионов И.Д.,
- 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.
- Richards J.A. Remote Sensing Digital Image Analysis. An Introduction // Springer-Verlag. Berlin, Heidenberg. 1993. 340 p.
- 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.
- Kohonen T. Self-organization and associative memory. Series in Information Sciences. V.8. // Berlin: Springer verlag, 1984.
- Круглов В.В., Дли М.И., Голунов П.Ю. Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001. 224 с.
- Ту Дж., Гонзалес Р. Принципы распознавания образов. М.: Мир, 1978. 413 с.
- Балтер Б.М., Воронцов Д.В., Егоров В.В., Ильин А.А., Калинин А.П., Орлов А.Г., Останний
- 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.