Инд. авторы:	Мельников П.В., Пестунов И.А., Рылов С.А.
Заглавие:	Экспериментальное сравнение методов классификации гиперспектральных изображений высокого пространственного разрешения по спектральным и пространственным признакам
Библ. ссылка:	Мельников П.В., Пестунов И.А., Рылов С.А. Экспериментальное сравнение методов классификации гиперспектральных изображений высокого пространственного разрешения по спектральным и пространственным признакам // Региональные проблемы дистанционного зондирования Земли: Материалы III Международной научной конференции. - 2016. - Красноярск: Сибирский федеральный университет. - С.28-33. - ISBN: 978-5-7638-3535-9.
Внешние системы:	РИНЦ: 26649065;
Реферат:	rus: В докладе 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.
Ключевые слова:	спектрально-текстурная классификация; локальный контекст; гиперспектральное изображение;
Издано:	2016
Физ. характеристика:	с.28-33
Конференция:	Название: III Международная научная конференция "Региональные проблемы дистанционного зондирования Земли" Город: Красноярск Страна: Россия Даты проведения: 2016-09-13 - 2016-09-16 Ссылка: http://rprs.sfu-kras.ru/node/50
Цитирование:	1. Дворкин Б.А., Дудкин С.А. Новейшие и перспективные спутники дистанционного зондирования Земли//Геоматика. 2013. № 2. С. 16-21. 2. Дмитриев Е.В., Козодеров В.В. Проблемы гиперспектрального авиационного мониторинга почвенно-растительного покрова//Региональные проблемы дистанционного зондирования Земли: матер. междунар. науч. конф./науч. ред. Е.А.Ваганов; отв. за вып. А.В.Машукова. Красноярск: СФУ, 2014. С. 28-31. 3. 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. Vol. 46(11). P. 3804-3814. 4. 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(11). P. 2657-2667. 5. Green A.A., Berman M., Switzer P., Craig M.D. A transformation for ordering multispectral data in terms of image quality with implications for noise removal//IEEE Transactions on Geoscience and Remote Sensing. 1988. Vol. 26 (1). P. 65-74. 6. 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. Т. 21, № 1. С. 25-39. 7. 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, Vol. 8(6), P. 2457-2463. 8. 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. 9. Пестунов И.А., Рылов С.А. Алгоритмы спектрально-текстурной сегментации спутниковых изображений высокого пространственного разрешения//Вестник КемГУ. 2012. Вып. 4/2 (52). С. 104-110.