Инд. авторы:	Пестунов И.А., Мельников П.В.
Заглавие:	Информативность систем текстурных признаков для классификации спутниковых изображений с высоким пространственным разрешением
Библ. ссылка:	Пестунов И.А., Мельников П.В. Информативность систем текстурных признаков для классификации спутниковых изображений с высоким пространственным разрешением // Интерэкспо Гео-Сибирь. - 2012. - Т.1. - № 4. - С.93-99. - ISSN 2618-981X.
Внешние системы:	РИНЦ: 17957308;
Реферат:	rus: В данной работе исследуется информативность систем текстурных признаков, которые построены с использованием четырех популярных методов, основанных на статистиках гистограммы абсолютных разностей и матрицы смежности уровней серого тона, а также авторегрессионной модели SAR и гауссовской марковской модели случайных полей GMRF. eng: Quality of 4 popular texture features extraction methods and their application in the field of classification of hi-resolution satellite images are studied. The discussed methods are: Gray Level Difference (GLD), Gray Level Co-occurrence Matrices (GLCM), Gaussian Markov Random Field (GLRM) model and Simultaneous Autoregressive (SAR) model. Quality of combined sets of textural features and minimization of these sets are also studied.
Ключевые слова:	classification quality; Image classification; Textural features; satellite imagery; качество классификации; классификация изображений; текстурные признаки; спутниковое изображение;
Издано:	2012
Физ. характеристика:	с.93-99
Цитирование:	1. Болсуновский М.Л., Дворкин Б.А. Развитие систем ДЗЗ и информационно-аналитического обеспечения данными космической съемки: ближайшие перспективы // Геоинформатика. - 2010. - № 4. - С. 11-17. 2. Харалик Р.М. Статистический и структурный подходы к описанию текстур // ТИИЭР. - 1979. - Т. 67. - №5 - С. 98-120. 3. Zhang J., Tan T. Brief review of invariant texture analysis methods // Pattern Recognition. - 2002. - Vol. 35. - P. 735-747. 4. Petrou M., Garcia Sevilla P. Image Processing Dealing with Texture. London: Wiley. - 2006. 5. The Handbook of Patter Recognition and Computer Vision (2nd ed.) / C.H. Chen, L.F. Pau, P.S.P. Wang (eds.) - World Scientific Publishing Co. - 1998. - P. 207-248. 6. Al-Kadi O.S. Texture Measures Combination for Improved Meningioma Classification of Histopathological Images // Pattern Recognition. - 2010. - Vol. 43 (6) - P. 2043-2053. 7. Weszka J.S., Dyer C.R., Rosenfield A. A. Comparative Study of Texture Measures for Terrain Classification // IEEE Trans. on Syst., Man, and Cybernetics. - 1976. -Vol. SMC-6. - No. 4. - P. 269-285. 8. Haralick R. M., Shanmuga K., Dinstein I., Textural Features for Image Classification // IEEE Trans. on Syst. Man and Cybernetics. - 1973. - Vol. SMC3. - P. 610-621. 9. Kashyap R., Chellappa R. Estimation and Choice of Neighbors in Spatial-Interaction Models of Images // IEEE Trans. on Information Theory - 1983. - Vol. IT-29 (1). - P. 60-72. 10. Brodatz P. A. Photographic Album for Artists and Designers // New York: Dover. - 1996. 11. Дейвис Ш.М., Ландгребе Д.А., Филипс Т.Л. и др. Дистанционное зондирование: количественный подход // М.: Недра. - 1983. - 396 с.