Найти

Результаты поиска

• LULC-АНАЛИЗ ЗЕМЛЕПОЛЬЗОВАНИЯ С ИСПОЛЬЗОВАНИЕМ НЕКОНТРОЛИРУЕМОЙ КЛАССИФИКАЦИИ

  Ранджана Уаман Гор , Ратнадип Р. Дешмух , Приянка У. Рандив , Мишра Абхилаша, И. Б. Аббасов

  2020-10-11

  Аннотация ▼

  Землепользование и растительный покров являются естественным состоянием поверхно-
  сти земли. Дистанционное зондирование - очень важный метод изучения землепользования
  (LULC). Для анализа земного покрова при дистанционном зондировании используются различные
  методы классификации. Данные методы не требуют предварительную информацию о земном
  покрове или типах землепользования. Наиболее часто для анализа изображений, полученных с
  помощью дистанционного зондирования, используют два метода классификации. К ним отно-
  сятся контролируемая классификация и неконтролируемая классификация. Целями предлагаемой
  работы являются использование неконтролируемых методов классификации для поиска класте-
  ров, по определению типов землепользования и сравнение данных методов с интерактивным
  анализом данных самоорганизации (ISODATA). Для анализа землепользования были использованы
  изображения датчика Hyperion. Датчик Hyperion имеет двести сорок две полосы, однако немно-
  гие полосы содержат полезную информации для спектрального анализа. Поэтому полосы, не
  содержащие полезную информацию выявляются и удаляются. После обработки входного изо-
  бражения по данному алгоритму из двухсот сорока двух полос остаются только сто шестьде-
  сят пять полос. При этом учитываются радиометрическая калибровка и немаловажная кор-
  рекция атмосферных факторов. Затем по результатам обработки с применением предложен-
  ных методов формируются кластеры для изучения землепользования с использованием гипер-
  спектрального изображения. Для формирования кластеров осуществлялась группировка пиксе-
  лей, на основе выбранных данных. Пиксели из одного кластера имеют больше сходства, в то
  время как пиксели из разных кластеров отличаются друг от друга. На основе результатов дела-
  ется вывод о том, что метод кластеризации (k-means) позволяет лучше идентифицировать или
  прогнозировать тип землепользования на основе гиперспектрального изображения с высоким
  разрешением, чем метод интерактивного анализа данных самоорганизации (ISODATA). Выход-
  ное изображение, которое является результатом кластеризации, может быть использовано
  для идентификации различных типов объектов землепользования. Лучше всего были идентифи-
  цированы следующие объекты землепользования: водная среда, сельскохозяйственные угодья,
  растительность, застроенная территория или поселение, поля и скалистые регионы.

• РАСПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР, РАСТЕНИЙ И ЛЕСНЫХ МАССИВОВ

  И. Б. Аббасов , Ратнадип Р. Дешмух

  2020-10-11

  Аннотация ▼

  Представлен обзор некоторых исследований по проблеме распознавания изображе-
  ний сельскохозяйственных культур, растений и лесных массивов. В этих системах распо-
  знавания изображений используются различные методы предварительной обработки,
  компьютерного зрения, глубокого обучения. В последнее время увеличиваются системы
  распознавания на основе мобильных устройств, что повышает их доступность и широкое
  распространение. Рассмотрены статьи по распознаванию, классификации плодов и фрук-
  тов в садах, создание банка данных этих аграрных продуктов (яблоки, груши, киви) для
  оценки созревания и урожайности. Описаны работы посвященные автоматизации сбора
  урожая зерновых культур на примере работы уборочного комбайна с применением машин-
  ного зрения. Растениеводство играет важную роль при обеспечении кормов для животно-
  водства, анализированы статьи по распознаванию сельскохозяйственных растений на
  основе изображений листьев. Также по состоянию листьев картофельных кустов можно
  определить их болезни, оценить состояние почвы. Приведены работы по разработке мо-
  бильных систем контроля и распознавания процесса выращивания грибов на основе техно-
  логии «зеленый дом» для фермерских хозяйств. С помощью дистанционной диагностики
  можно анализировать и контролировать состояние поверхности суши и морей. Для дис-
  танционного экологического мониторинга ландшафта земной поверхности описаны рабо-
  ты по распознаванию, классификации лесных массивов, водных ресурсов с применением
  гиперспектрального анализа спутниковых изображений.