| Инд. авторы: | Melnikov P.V., Pestunov I.A., Rylov S.A. |
| Заглавие: | Comparison of spectral-spatial classification methods for hyperspectral images of high spatial resolution |
| Библ. ссылка: | Melnikov P.V., Pestunov I.A., Rylov S.A. Comparison of spectral-spatial classification methods for hyperspectral images of high spatial resolution // Журнал Сибирского федерального университета. Серия: Техника и технологии. - 2017. - Vol.10. - Iss. 6. - P.805-811. - ISSN 1999-494X. - EISSN 2313-6057. |
| Внешние системы: | DOI: 10.17516/1999-494X-2017-10-6-805-811; РИНЦ: 29876378; |
| Реферат: | rus: В работе рассматриваются три метода классификации гиперспектральных изображений высокого пространственного разрешения: 1) попиксельная классификация с последующей фильтрацией получаемой картосхемы, 2) спектрально-текстурная классификация на основе геометрических моментов и 3) спектрально-текстурная классификация на основе предварительной сегментации. Приводятся результаты экспериментального сравнения указанных методов на данных, полученных с помощью авиационного гиперспектрометра. eng: This paper reviews three methods of spectral-spatial classification for hyperspectral images of high spatial resolution: 1) pixelwise classification with post-filtering of resulting class map; 2) spectral-spatial classification based on geometric moments; 3) spectral-spatial classification based on segmentation. The paper provides the results of experimental comparison of these methods. The experiments are based on classification of images obtained by airborne hyperspectral sensor. |
| Ключевые слова: | spectral-spatial classification; гиперспектральное изображение; локальный контекст; спектральнотекстурная классификация; Hyperspectral images; Local context; |
| Издано: | 2017 |
| Физ. характеристика: | с.805-811 |
| Цитирование: | 1. Дворкин Б.А., Дудкин С.А. Новейшие и перспективные спутники дистанционного зондирования Земли. Геоматика, 2013, 2, 16-21. 2. Fauvel M., Benediktsson J.A., Chanussot J., Sveinsson J.R. Spectral and spatial classification of hyperspectral data using SVMs and morphological profiles. IEEE Trans. Geosci. Remote Sens., 2008, 46(11), 3804-3814. 3. 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, 55(11), 2657-2667. 4. Грин ЖВТ-2016 Борзов С.М., Мельников П.В., Пестунов И.А., Потатуркин О.И., Федотов А.М. Комплексная обработка гиперспектральных изображений на основе спектральной и пространственной информации. Вычислительные технологии. 2016, 21(1), 25-39. 5. Kumar B., Onkar D.O. Spectral-spatial classification of hyperspectral imagery based on moment invariants. IEEE Journal of selected topics in applied earth observations and remote sensing, 2015, 8(6), 2457-2463. 6. Рылов С.А., Мельников П.В., Пестунов И.А. Спектрально-текстурная классификация гиперспектральных изображений высокого пространственного разрешения. Интерэкспо ГеоСибирь. 2016; 4(1), 78-84. 7. Пестунов И.А., Рылов С.А. Алгоритмы спектрально-текстурной сегментации спутниковых изображений высокого пространственного разрешения. Вестник КемГУ, 2012, 4/2 (52), 104-110. |
