Инд. авторы:	Пестунов И.А., Рылов С.А.
Заглавие:	Сегментация изображений на основе кластеризации в пространстве спектральных и текстурных признаков
Библ. ссылка:	Пестунов И.А., Рылов С.А. Сегментация изображений на основе кластеризации в пространстве спектральных и текстурных признаков // Информационные технологии и математическое моделирование в науке, технике и образовании (Бишкек, Кыргызстан, 05.10 - 09.10.2011): Известия Кыргызского Государственного Технического Университета им.И.Раззакова. - №24. Материалы международной конференции. - Бишкек, 2011. - С.266-295.
Внешние системы:	РИНЦ: 22949038;
Реферат:	eng: Computationally efficient algorithm for multispectral image segmentation based on joint use of spectral and textural features is proposed. Results on the model data and real images confirming its efficiency are presented. rus: Предлагается двухэтапный алгоритм сегментации многоспектральных изображений по спектральным и текстурным признакам, основанный на вычислительно эффективных методах кластеризации. Приводятся результаты исследования на модельных и реальных спутниковых изображениях, подтверждающие его эффективность.
Издано:	2011
Физ. характеристика:	с.266-295
Конференция:	Название: Информационные технологии и математическое моделирование в науке, технике и образовании Город: Бишкек Страна: Кыргызстан Даты проведения: 2011-10-05 - 2011-10-09
Цитирование:	1. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М: Техносфера, 2006. 812 с. 3. Rekik A., Zribi M., Hamida A., Benjelloun1 M. Review of satellite image segmentation for an optimal fusion system based on the edge and region approaches//IJCSNS International Journal of Computer Science and Network 242 Security. 2007. Vol. 7, Is. 10. P. 242-250. 4. Болсуновский М.Л., Дворкин Б.А. Развитие систем ДЗЗ и информационно-аналитического обеспечения данными космической съемки: ближайшие перспективы//Геоинформатика. 2010. № 4. С. 11-17. 5. Ilea D.E., Whelan P.F. Image segmentation based on the integration of colour-texture descrip-tors -A review//Pattern Recognition. 2011. doi:10.1016/j.patcog.2011.03.005. 6. Пестунов И.А., Бериков В.Б., Куликова Е.А., Рылов С.А. Ансамблевый алгоритм класте-ризации больших массивов данных//Автометрия. 2011. Т. 47. № 3. С. 49-58. 7. Куликова Е.А., Пестунов И.А., Синявский Ю.Н. Непараметрический алгоритм кластеризации для обработки больших массивов данных//Тр. 14 конф. «Математические методы и распознавание образов». Изд-во MAKS Press, 2009. С. 149-152. 8. Strehl A., Ghosh J. Clustering ensembles -a knowledge reuse framework for combining multi-ple partitions//The Journal of Machine Learning Research. 2002. Vol. 38. P. 583-617. 9. Jain A. K. Data clustering: 50 years beyond K-means//Pattern Recognition Letters. 2010. Vol. 31, Is. 8. P. 651-666. 10. Berikov V.B. Construction of the ensemble of logical models in cluster analysis//Lecture Notes in Artificial Intelligence. 2009. LNAI 5755. P. 581-590. 11. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976. 559 с. 12. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: Изд-во Ин-та математики, 1999. С. 45.