СОКРАЩЕНИЕ РАЗМЕРНОСТИ СИСТЕМЫ ПРИЗНАКОВ ПРИ КЛАССИФИКАЦИИ ГИПЕРСПЕКТРАЛЬНЫХ ДАННЫХ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ С ПОМОЩЬЮ НЕЙРОННЫХ СЕТЕЙ
В.И. Козик, Е.С. Нежевенко
Институт автоматики и электрометрии СО РАН, Новосибирск, Россия
kozik@iae.nsk.su
Ключевые слова: дистанционное зондирование Земли, гиперспектральные изображения, классификация, нейронные сети, обучение, генетический алгоритм, сокращение количества признаков
Страницы: 5-12
Аннотация
Гиперспектральный метод анализа земной поверхности весьма эффективен при решении проблем классификации как объектов, находящихся на ней, так и состояния этих объектов (например, сельскохозяйственных культур). Однако полномасштабный гиперспектральный анализ - очень дорогая процедура, и вполне объяснимы поиски путей её удешевления. Самый логичный способ - это сокращение числа спектральных составляющих (признаков классификации) путём выбора (или формирования из них) наиболее информативных. Предлагается осуществлять его путём применения нейросетевых технологий. На примере обработки 200-канального гиперспектрального изображения показано, что сокращение размерности пространства признаков с использованием указанных технологий позволяет достичь при классификации высоких значений точности, превосходящих получаемые при применении известных методов.
DOI: 10.15372/AUT20220101 |
