Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 35.175.107.185
    [SESS_TIME] => 1670091893
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 052c52c01820aa777a7cf32adad4e8e2
    [UNIQUE_KEY] => cb00cbe52639b2ac7aba84d1a56e33b7
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Автометрия

2015 год, номер 4

ИЕРАРХИЧЕСКИЕ АЛГОРИТМЫ КЛАСТЕРИЗАЦИИ ДЛЯ СЕГМЕНТАЦИИ МУЛЬТИСПЕКТРАЛЬНЫХ ИЗОБРАЖЕНИЙ

И.А. Пестунов1, С.А. Рылов1, В.Б. Бериков2
1Институт вычислительных технологий СО РАН, 630090, г. Новосибирск, просп. Академика Лаврентьева, 6
pestunov@ict.nsc.ru
2Институт математики им. С. Л. Соболева СО РАН, 630090, г. Новосибирск, просп. Академика Коптюга, 4
berikov@math.nsc.ru
Ключевые слова: иерархический ансамблевый алгоритм кластеризации, сеточный подход, сегментация мультиспектральных спутниковых изображений, ensemble hierarchical clustering algorithm, grid approach, segmentation of multispectral satellite images
Страницы: 12-22
Подраздел: АНАЛИЗ И СИНТЕЗ СИГНАЛОВ И ИЗОБРАЖЕНИЙ

Аннотация

В рамках сеточного и ансамблевого подходов разработаны вычислительно эффективные иерархические алгоритмы кластеризации HCA и НЕСА для сегментации мультиспектральных изображений. Предложена специальная метрика, позволяющая выделять вложенные кластеры даже при наличии пересечений. Представлены результаты экспериментальных исследований алгоритмов на модельных и реальных данных, подтверждающие их эффективность.