DEEP LEARNING METHODOLOGY ADAPTATION FOR HYPERSPECTRAL IMAGERY CLASSIFICATION

I. A. Piestova, A. A. Andreiev

Анотація


Адаптація методології глибинного навчання під
задачу класифікації гіперспектральних зображень

 Поряд з розвитком технологій і поліпшення просторової розрізненності гіперспектральних зображень, інформація вимагає більш глибокого аналізу в зв’язку зі збільшенням кількості спостережуваних цілей. Для повного розуміння сцени тепер є обов’язковими кілька рівнів аналізу зображень. Процес глибинного навчання визначає подання та організацію декількох рівнів обробки для визначення складних відносини між гіперспектральними даними. Приведена загальна схема процесу класифікації гіперспектральних зображень з використання методології глибинного навчання. Після попередньої обробки вхідні гіперспектральні дані класифікуються в два незалежні потоки: за спектральними та за просторовими ознаками з подальшим злиттям одержаних карт ймовірностей для отримання остаточної класифікації об’єктів зображення.


Повний текст:

PDF

Посилання


Vaduva C. Deep learning in very high resolution remote sensing image information mining communication concept / C. Vaduva, I. Gavat, M. Datcu, // Proceedings of the 20th European Signal Processing Conference (EUSIPCO).– Bucharest: University Politehnica, 2012.– P.2506-2510.

Попов М.А. Методы оптимизации числа спектральных каналов в задачах обработки и анализа данных дистанционного зондирования Земли / М.А. Попов, С.А. Станкевич // Современные проблемы дистанционного зондирования Земли из космоса.– Вып.3.– Т.1.– М.: ИКИ РАН, 2006.– C.106-112.

Станкевич С.А. Кількісне оцінювання інформативності гіперспектральних аерокосмічних знімків при вирішенні тематичних задач дистанційного зондування Землі / С.А. Станкевич // Доповіді НАН України, 2006.– № 8.– С.53-58.

Станкевич С.А. Оптимизация состава спектральных каналов гиперспектральных аэрокосмических изображений при решении тематических задач дистанционного зондирования Земли / С.А. Станкевич // Космічна наука і технологія, 2007.– Т.13.– № 2.– С.25-28.

Станкевич С.А. Картування сільськогосподарських угідь на багатоспектральних аерокосмічних зображеннях за допомогою спеціальних просторових перетворень / С.А. Станкевич, А.В. Васько // Тези доповідей II міжнародної науково-практичної конференції “Математичні моделі і методи оптимізації інновацій та інформаційно-телекомунікаціно-моніторингові технології в задачах підвищення ефективності соціоекологоекономічних систем”.– Київ: Інститут економіки та менеджменту НАУ, 2010.– С.72-75.

Марков С.Ю. Избыточное преобразование Хо / С.Ю. Марков // Информационные технологии в дешифрировании изображений: методология, модели, алгоритмы.– Киев: МО Украины, 1993.– С.22-28.

Станкевич С.А. Комплексна обробка багатоспектральних аерокосмічних зображень для виявлення сільськогосподарських угідь / С.А. Станкевич, А.В. Васько // Сучасні досягнення геодезичної науки та виробництва.– Вип.2(22).– Львів: Львівська політехніка, 2011.– С.171-175.

Stankevich S.A. Multispectral satellite imagery classification using fuzzy decision tree / S.A. Stankevich, V.G. Levashenko, E.N. Zaitseva // Communications, 2014.– Vol.16.– No.1.–P.109-113.




Copyright (c) 2016 I. A. Piestova, A. A. Andreiev