Том 11, номер 07, статья № 19

pdf Протасов К. Т. Выделение полей однородности на космических снимках непараметрическим алгоритмом сегментации в пространствах информативных признаков. // Оптика атмосферы и океана. 1998. Т. 11. № 07. С. 787-794.
Скопировать ссылку в буфер обмена
Аннотация:

Разработан новый комбинированный непараметрический алгоритм сегментации многоспектральных космических снимков подстилающей поверхности Земли и облачности, основанный на четырехэтапной процедуре. На первом шаге производится пофрагментная локальная кластеризация видеоданных с использованием расстояния Бхаттачария или дивергенции Кульбака, на втором шаге объединяются ближайшие из найденных классов с использованием функционала эмпирического риска, на третьем шаге укрупненные классы служат материалом обучения непараметрического алгоритма распознавания образов и осуществляется это обучение, наконец, на четвертом шаге производится сегментация всего изображения алгоритмом распознавания образов. Такой подход позволяет корректно решать задачу компромисса между громоздкостью исходных данных и необходимостью использовать адекватные модели распознаваемых образов, основанных на непараметрических оценках неизвестных условных вероятностных распределений. Кроме того, решается задача исследования комплексов признаков на информативность в смысле минимума критерия эмпирического риска.

Список литературы:

  1. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989. 607 с.
  2. Фукунага К. Введение в статистическую теорию распознавания образов: Пер. с англ. М.: Наука, 1979. 368 с.
  3. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978. 408 с.
  4. Протасов К.Т. Выделение полей облачности на космических снимках алгоритмом сегментации, основанным на классификации и распознавании образов // Оптика атмосферы и океана. 1998. Т. 11. № 1. С. 79–85.
  5. Протасов К.Т. Распознавание образов и классификация агрегированных наблюдений в условиях статистической неопределенности // Изв. высших учебных заведений. Физика. 1995. Т. 38. № 9. С. 59–64.
  6. Рао С.Р. Линейные статистические методы и их применения. М.: Наука, 1968. 548 с.
  7. Епанечников В.А. Непараметрическая оценка многомерной плотности вероятности // Теория вероятностей и её применение. 1969. Т. 14. Вып. 1. С. 156–161.
  8. Цыпкин Я.З. Адаптация и обучение в автоматических системах. М.: Наука, 1968. 400 с.
  9. Тарасенко Ф.П. Непараметрическая статистика. Томск: ТГУ, 1976. 294 с.
  10. Кульбак С. Теория информации и статистика: Пер. с англ. / Под ред. А.Н. Колмогорова. М.: Наука, 1967. 408 с.
  11. Жиглявский А.А. Математическая теория глобального случайного поиска. Л.: Изд-во ЛГУ, 1985. 296 с.
  12. Иванова Н.В., Протасов К.Т. Определение параметров сглаживания в непараметрических оценках функций плотности по выборке // Математическая статистика и её приложения. Томск: Изд-во ТГУ. Вып. 8. 1982. С. 50–65.
  13. Толчельников Ю.С. Оптические свойства ландшафта. Л.: Наука, 1974.