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
Ваш e-mail:
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. 2011. Т. 8. №1. С. 90-98

Проблемы классификации лесной растительности по гиперспектральным авиакосмическим изображениям

Т.В. Кондранин 1, В.В. Козодеров 2, О.Ю. Казанцев 3, В.И. Бобылев 3, Е.В. Дмитриев 4, В.Д. Егоров 5, В.П. Каменцев 6, В.В. Борзяк 2
1 Московский физико-технический институт (государственный университет), 141700, Московская область, г. Долгопрудный, Институтский переулок, 9
2 Московский государственный университет им. М.В.Ломоносова, 119991, Москва, ГСП-1, Воробьевы горы, МГУ, д. 1
3 НПО «Лептон» Московский физико-технический институт (государственный университет), г. Москва, г. Зеленоград, Проезд 4806, 5, стр. 20 141700, Московская область, г. Долгопрудный, Институтский переулок, 9
4 Институт вычислительной математики РАН Московский физико-технический институт (государственный университет), 119333, г. Москва, ул. Губкина, д. 8 141700, Московская область, г. Долгопрудный, Институтский переулок, 9
5 Институт вычислительной математики РАН, 119333, г. Москва, ул. Губкина, д. 8
6 Технопарк Тверского государственного университета, 170100, г. Тверь, ул. Желябова, 33
Изучаются возможности приложения данных авиакосмической гиперспектрометрии для решения задач классификации разных типов лесной растительности. Обсуждаются основные этапы разработки классификаторов (вычислительных процедур) обработки гиперспектральных изображений. Приведены примеры реализации программного обеспечения, позволяющего строить контуры отдельных элементов пространственного распределения RGB-синтезированных изображений. Демонстрируются характерные особенности исходных спектров и их стандартных отклонений в пределах выделенных контуров для распознавания трех классов лесной растительности (ельников, сосняков и березняков) на выбранной тестовой территории.
Ключевые слова: гиперспектральные авиакосмические изображения, обработка данных, классификация лесной растительности
Полный текст

Список литературы:

  1. Козодеров В.В., Кондранин Т.В. Методы оценки состояния почвенно-растительного покрова по данным оптических систем дистанционного аэрокосмического зондирования // М., изд. МФТИ, 2010. 222 с.
  2. Кондранин Т.В., Козодеров В.В., Дмитриев Е.В., Казанцев О.Ю., Бобылев В.И., Борзяк В.В., Егоров В.Д., Каменцев В.П., Беляков А.Ю., Логинов С.Б. Основы технологии восстановления количественных характеристик лесных экосистем по многоспектральным и гиперспектральным данным аэрокосмического зондирования. // Современные проблемы дистанционного зондиро- рования Земли из космоса, 2010. Вып.7. Т.1. С.299-309.
  3. Козодеров В.В., Кондранин Т.В., Райкунов Г.Г., Казанцев О.Ю., Белоцерковский А.В., Асташкин А.А., Бобылев В.И., Дмитриев Е.В., Каменцев В.П., Борзяк В.В., Щербаков М.В., Лесуновский А.А. Аэрокосмическая гиперспектрометрия: летные испытания аппаратуры, программно-алгоритмическое обеспечение обработки данных // Исследование Земли из космоса, 2010, №5. C.59-68.