Author | Пестунов, И.А. | ru_RU |
Author | Рылов, С.А. | ru_RU |
Author | Мельников, П.В. | ru_RU |
Author | Pestunov, Igor A. | en |
Author | Rylov, Sergey A. | en |
Author | Melnikov, Pavel V. | en |
Accessioned Date | 2018-03-05T04:24:52Z | |
Available Date | 2018-03-05T04:24:52Z | |
Issued Date | 2018-02 | |
URI (for links/citations) | https://elib.sfu-kras.ru/handle/2311/70397 | |
Abstract | В статье предлагается новый вычислительно эффективный метод спектрально-текстурной
классификации гиперспектральных изображений высокого пространственного разрешения,
основанный на использовании ансамблевого алгоритма кластеризации ECCA. При классификации
используется предположение, что в локальной области изображения для текстур одного
типа процентное содержание пикселей из разных кластеров примерно одинаково, а для
разных типов текстур, как правило, отличается. Для предлагаемого классификатора не
требуются обучающие выборки большого объема. Достаточно задать всего лишь несколько представителей каждого класса. Приводятся результаты экспериментов с модельными и
реальными изображениями, подтверждающие эффективность предложенного метода | ru_RU |
Abstract | А new computationally efficient spectral-texture classification method for high spatial resolution
hyperspectral images is proposed. This method is based on the ensemble clustering algorithm
ECCA. Classification method is based on the assumption that the percentage of pixels from
different clusters in local image regions is approximately the same for the fixed texture type and
differs for different types of textures. The proposed classification method does not require large
amount of training samples. It is enough to set only few representatives of each class. Experiments
on models and real-world data are described proving the effectiveness of the proposed method | en |
Language | ru | ru_RU |
Publisher | Сибирский федеральный университет. Siberian Federal University | en |
Subject | гиперспектральные изображения | ru_RU |
Subject | высокое пространственное разрешение | ru_RU |
Subject | спектрально-текстурные признаки | ru_RU |
Subject | классификация | ru_RU |
Subject | hyperspectral images | en |
Subject | high spatial resolution | en |
Subject | multispectral texture | en |
Subject | spectral-spatial classification | en |
Title | Классификация гиперспектральных изображений высокого пространственного разрешения | ru_RU |
Alternative Title | Classification of Hyperspectral Images with High Spatial Resolution | en |
Type | Journal Article | ru_RU |
Contacts | Пестунов, И.А.: Институт вычислительных технологий СО РАН Россия, 630090, Новосибирск, пр. Академика Лаврентьева, 6 | ru_RU |
Contacts | Рылов, С.А.: Институт вычислительных технологий СО РАН Россия, 630090, Новосибирск, пр. Академика Лаврентьева, 6 | ru_RU |
Contacts | Мельников, П.В.: Институт вычислительных технологий СО РАН Россия, 630090, Новосибирск, пр. Академика Лаврентьева, 6 | ru_RU |
Contacts | Pestunov, Igor A.: Institute of Computational Technologies SB RAS 6 Akademika Lavrentieva, Novosibirsk, 630090, Russia; pestunov@ict.nsc.ru | en |
Contacts | Rylov, S.A.: Institute of Computational Technologies SB RAS 6 Akademika Lavrentieva, Novosibirsk, 630090, Russia | en |
Contacts | Melnikov, Pavel V.: Institute of Computational Technologies SB RAS 6 Akademika Lavrentieva, Novosibirsk, 630090, Russia; pvlvlml@gmail.com | en |
Pages | 69-76 | ru_RU |
Journal Name | Журнал Сибирского федерального университета. Техника и технологии. Journal of Siberian Federal University. Engineering & Technologies;2018 11 (1) | en |