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. №3. С. 55-63

Вычислительные аспекты построения классификаторов разной сложности при обработке гиперспектральных аэрокосмических изображений

В.В. Козодеров 1, Е.В. Дмитриев 2, В.Д. Егоров 2, В.В. Борзяк 1
1 Московский государственный университет им. М.В. Ломоносова
2 Институт вычислительной математики РАН
Рассматриваются результаты совмещенной гиперспектральной и аэрофотосъемки для классификации природно-техногенных объектов. Основное внимание уделяется вычислительным аспектам выделения контуров объектов в пределах обрабатываемой сцены, содержащих дым от лесных пожаров, источники возгорания, а также участки лесной растительности, не подверженные пожарам. Показаны характерные особенности спектров исследуемых объектов и их изменчивости в пределах выделенных контуров по данным гиперспектрального аэрозондирования.
Ключевые слова: гиперспектральные аэрокосмические изображения, обработка данных, анализ спектров
Полный текст

Список литературы:

  1. Козодеров В.В., Дмитриев Е.В. Аэрокосмическое зондирование почвенно-растительного покрова: модели, алгоритмическое и программное обеспечение, наземная валидация // Исследование Земли из космоса, 2010. №1. C.69-86.
  2. 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.
  3. Dalponte M., Bruzzone L., Vescovo L., Gianelle D. The role of spectral resolution and classifier complexity in the analysis of hyperspectral images of forest areas // Remote Sensing of Environment, 2009. V.113. P.2345-2355.
  4. Foody G. M., Mathur A. Toward intelligent training of supervised image classifications: Directing training data acquisition for SVM classification // Remote Sensing of Environment, 2004. V.93. P.107-117.
  5. Jain A.K., Duin R.P.W., Mao J. Statistical Pattern Recognition: A Review // IEEE Transactions on pattern analysis and machine intelligence, 2000. V.22. №1. P.4-37.
  6. Plaza A., Benediktsson J.A., Boardman J.W., Brazile J., Bruzzone L., Camps-Valls G., Chanussot J., Fauvel M., Gamba P., Gualtieri A., Marconcini M., Tilton J.C., Trianni G. Recent advances in techniques for hyperspectral image processing // Remote Sensing of Environment, 2009. V.113. P.110-122.