Информация о публикации

Просмотр записей
Инд. авторы: Рылов С.А., Мельников П.В., Пестунов И.А.
Заглавие: Спектрально-текстурная классификация гиперспектральных изображений высокого пространственного разрешения
Библ. ссылка: Рылов С.А., Мельников П.В., Пестунов И.А. Спектрально-текстурная классификация гиперспектральных изображений высокого пространственного разрешения // Интерэкспо Гео-Сибирь. - 2016. - Т.4. - № 1. - С.78-84. - ISSN 2618-981X.
Внешние системы: РИНЦ: 26156827;
Реферат: rus: Предложен метод спектрально-текстурной классификации гиперспектральных изображений высокого пространственного разрешения. Приводятся результаты экспериментов с модельными и реальными изображениями, подтверждающие эффективность предложенного метода.
eng: А method of spectral-textural classification of hyperspectral images with high spatial resolution is proposed. Experiments on models and real-world data are described proving the effectiveness of the method.
Ключевые слова: high spatial resolution; classification; гиперспектральные изображения; высокое пространственное разрешение; классификация; Hyperspectral images; Spatial and texture features; спектрально-текстурные признаки;
Издано: 2016
Физ. характеристика: с.78-84
Цитирование:
1. Бондур В.Г. Современные подходы к обработке больших потоков гиперспектральной и многоспектральной аэрокосмической информации // Исследование Земли из космоса. -2014. - № 1. С. 4-16.
2. Борзов С.М., Федотов А.М., Мельников П.В., Пестунов И.А., Потатуркин О.И. Комплексная обработка гиперспектральных изображений на основе спектральной и пространственной информации // Вычислительные технологии. - 2016. - Т. 21. - № 1. - С. 25-39.
3. Petrou M., Gacia Sevilla P. Image processing: Dealing with texture. - 2006. 618 p.
4. Yuan J., Wang D. L., Li R. Remote sensing image segmentation by combining spectral and texture features // IEEE Transactions on Geoscience and Remote Sensing, - 2014. - Vol. 52. - N. 1. - P. 16-24.
5. Mignotte M. A de-texturing and spatially constrained K-means approach for image segmentation // Pattern Recognition Letters. - 2011. - Vol. 32. - N. 2. - P. 359-367.
6. Nammalwar P., Ghita O., Whelan P. F. Integration of feature distributions for colour texture segmentation // Pattern Recognition. - 2004. - Vol. 1. - P. 716-719.
7. Пестунов И.А., Рылов С.А. Алгоритмы спектрально-текстурной сегментации спутниковых изображений высокого пространственного разрешения // Вестник КемГУ. - 2012. - № 4/2 (52). - C. 104-110.
8. Пестунов И.А., Бериков В.Б., Куликова Е.А., Рылов С.А. Ансамблевый алгоритм кластеризации больших массивов данных // Автометрия. - 2011. - Т. 47. - № 3. - С. 49-58.
9. Kozoderov V.V., Kondranin T.V., Dmitriev E.V., Sokolov A.A. Retrieval of forest stand attributes using optical airborne remote sensing data // Optics Express. - 2014. - Vol. 22. - N 13. - P. 15410-15423.
10. Kozoderov V.V., Kondranin T.V., Dmitriev E.V., Kamentsev V.P. Bayesian classifier applications of airborne hyperspectral imagery processing for forested areas // Advances in Space Research. - 2015. - Vol. 55. - N 11. - P. 2657-2667.