Инд. авторы:	Синявский Ю.Н., Рылов С.А.
Заглавие:	Экспериментальное сравнение непараметрических алгоритмов кластеризации для сегментации мультиспектральных изображений
Библ. ссылка:	Синявский Ю.Н., Рылов С.А. Экспериментальное сравнение непараметрических алгоритмов кластеризации для сегментации мультиспектральных изображений // Интерэкспо Гео-Сибирь. - 2018. - Т.4. - № 1. - С.109-114. - ISSN 2618-981X.
Внешние системы:	РИНЦ: 36832864;
Реферат:	eng: Experimental evaluation of twelve nonparametric clustering algorithms was made. Algorithms developed in Image processing laboratory of ICT SB RAS were compared to clustering algorithms from ENVI satellite image processing toolbox and two open-source data mining frameworks (ELKI and Smile). Digital photos and multispectral images from WorldView-2 satellite were used for evaluation. rus: Работа посвящена экспериментальному сравнению 12 непараметрических алгоритмов кластеризации, позволяющих выполнять сегментацию изображений. Для сравнения выбраны алгоритмы, разработанные в Лаборатории обработки данных ИВТ СО РАН, а также алгоритмы, включенные в пакеты ENVI, ELKI и Smile. Эксперименты выполнены с использованием цифровых фотографий и мультиспектральных спутниковых изображений, полученных со спутника WorldView-2.
Ключевые слова:	экспериментальное сравнение; сегментация мультиспектральных изображений; непараметрические алгоритмы кластеризации;
Издано:	2018
Физ. характеристика:	с.109-114
Цитирование:	1. Шапиро Л., Стокман Дж. Компьютерное зрение/Пер. с англ. М.: БИНОМ. Лаборатория знаний, 2006. 752 с. 2. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2006. С. 812. 3. Пестунов И.А., Синявский Ю.Н. Алгоритмы кластеризации в задачах сегментации спутниковых изображений//Вестник КемГУ. 2012. № 4/2 (52). C. 110-125. 4. Krstinic D., Skelin A.K., Slapnicar I. Fast two-step histogram-based image segmentation//Image Processing, IET. 2011. Vol. 5. No. 1. P. 63-72. 5. Пестунов И.А., Рылов С.А., Бериков В.Б. Иерархические алгоритмы кластеризации для сегментации мультиспектральных изображений//Автометрия. 2015. Т. 51. № 4. С. 12-22. 6. Рылов С.А. Непараметрический алгоритм кластеризации для сегментации изображений на основе комбинации сеточного подхода и процедуры среднего сдвига//Труды Всероссийской конференции «Обработка пространственных данных в задачах мониторинга природных и антропогенных процессов». 2017. С.150-155. 7. Пестунов И.А., Рылов С.А., Синявский Ю.Н., Бериков В.Б. Подход к построению ансамбля непараметрических алгоритмов кластеризации для сегментации спутниковых изображений//Сборник трудов III Международной конференции и молодежной школы «Информационные технологии и нанотехнологии» (ИТНТ-2017). 2017. С.775-780. 8. Рылов С.А., Пестунов И.А. Ансамблевый непараметрический алгоритм кластеризации для сегментации мультиспектральных спутниковых изображений на основе комбинации сеточного подхода и процедуры среднего сдвига//Тезисы докладов Пятнадцатой Всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса» (г. Москва, 13-17 ноября 2017 г.). Москва: ИКИ РАН, 2017. С. 52. 9. Пестунов И.А., Синявский Ю.Н. Непараметрический алгоритм кластеризации данных дистанционного зондирования на основе grid-подхода//Автометрия. 2006. Т. 42. № 2. С. 90-99. 10. Пестунов И.А., Бериков В.Б., Синявский Ю.Н. Сегментация многоспектральных изображений на основе ансамбля непараметрических алгоритмов кластеризации//Вестник Сибирского государственного аэрокосмического университета им. академика М.Ф. Решетнева. 2010. № 5(31). С. 56-64. 11. ENVI -The Leading Geospatial Analytics Software . URL: http://www.harrisgeospatial.com/SoftwareTechnology/ENVI.aspx (accessed at 29.03.2018). 12. Ester M., Kriegel H.-P., Sander J., Xu X. A density-based algorithm for discovering clusters in large spatial database//Proceedings of 1996 International Conference on Knowledge Discovery and Data Mining (KDD'96). 1996. P. 226-231. 13. Ankerst M., Breunig M.M., Kriegel H.-P., Sander J. OPTICS: ordering points to identify the clustering structure//Proceedings of 1999 ACM SIGMOD International Conference on Management of data. 1999. P. 49-60. 14. Hinneburg A., Keim D. A general approach to clustering in large databases with noise//Knowledge and Information Systems. 2003. Vol. 5. Iss. 4. P. 387-415. 15. ELKI: Environment for Developing KDD-Applications Supported by Index-Structures . URL: https://elki-project.github.io (accessed at 29.03.2018). 16. Smile -Statistical Machine Intelligence and Learning Engine . URL: https://haifengl.github.io/smile (accessed at 29.03.2018). 17. Cheng Y. Mean shift, mode seeking, and clustering//IEEE Transactions on Pattern Analysis and Machine Intelligence. 1995. Vol. 17. No. 8. P. 790-799. 18. Синявский Ю.Н. Тестовые изображения для сегментации . URL: https://drive.google.com/drive/folders/13Lr3VMC703T1hvArwYKrGsR2FkSLMSpX (дата обращения 29.03.2018).