Алгоритмы идентификации объектов по данным гиперспектральной съёмки Земли с использованием нечёткой линейной регрессии

С. В. Труханов

Аннотация


В статье рассматривается подход к решению задачи идентификации объектов земной поверхности по данным гиперспектральной съёмки от космических комплексов, базирующийся на сравнении гиперспектральных характеристик исследуемых объектов с набором эталонных сигнатур. Предлагаются алгоритмы идентификации объектов с использованием теории нечётких множеств: алгоритм идентификации на основе нечёткой линейной регрессии и алгоритм консолидации результатов различных решений по идентификации. Алгоритм на основе нечёткой линейной регрессии базируется на применении несимметричных треугольных нечётких чисел. Данный подход, использовавшийся ранее при решении задач аппроксимации и оценки уникальности фрагментов электронной карты, применяется для идентификации гиперспектральных характеристик. Такой выбор основан на том, что нечёткая линейная регрессия позволяет провести идентификацию в условиях неоднозначности. Приводятся результаты экспериментальных исследований предлагаемых алгоритмов на основе реальных данных гиперспектральной съёмки (с космического аппарата «Ресурс-П» №1) в объёме 10 снимков. Показано повышение надёжности идентификации при консолидации результатов от алгоритмов на основе меры подобия евклидова расстояния, угловой меры подобия, а также нечётких мер подобия на 6,1 % по сравнению с одним из исходных алгоритмов, дающим лучшее решение.


Ключ. слова


Идентификация объектов; гиперспектральная характеристика; гиперспектральная съёмка; нечёткая линейная регрессия; алгоритм

Полный текст:

PDF

Список литературы

1. Антонушкина С.В., Еремеев В.В., Макаренков А.А., Москвитин А.Э., Юдаков А.А. Новые возможности анализа объектов земной поверхности на основе гиперспектральной съёмки // Сборник трудов II Всероссийской научно-технической конференции «Актуальные проблемы ракетно-космической техники» (Козловские чтения). Самара: Самарский научный центр РАН, 2011. С. 26-27.

2. Ахметов Р.Н., Стратилатов Н.Р., Юдаков А.А., Везенов В.И., Еремеев В.В. Основные направления исследований по созданию технологий обработки данных гиперспектральной съёмки Земли // Сб. тезисов докладов научно-технической конференции «Гиперспектральные приборы и технологии». Красногорск: ОАО «Красногорский завод им. С.А. Зверева», 2013. С. 23-24.

3. Ахметов Р.Н., Стратилатов Н.Р., Юдаков А.А., Везенов В.И., Еремеев В.В. Модели формирования и некоторые алгоритмы обработки гиперспектральных изображений // Исследование Земли из космоса. 2014. № 1. С. 17-28. DOI: 10.7868/S0205961414010011

4. Юдаков А.А. Новые направления работ по анализу космических гиперспектральных снимков поверхности Земли // Тезисы докладов XVI Всероссийской научно-технической конференции «Новые информационные технологии в научных исследованиях». Рязань: РГРТУ, 2011. С. 237-238.

5. Демидова Л.А., Мятов Г.Н. Методика оценки уникальности фрагментов электронной карты с использованием нечёткой линейной регрессии // Вестник Самарского государственного технического университета. Серия: Технические науки. 2013. № 4 (40). С. 14-26.

6. Мятов Г.Н. Формирование уникальных фрагментов электронной карты с использованием нечёткой линейной регрессии // Межвузовский сб. научных трудов «Математическое и программное обеспечение вычислительных систем». Рязань: РГРТУ, 2012. С. 169-181.

7. Haekwan L., Tanaka H. Fuzzy approximations with non-symmetric fuzzy parameters in fuzzy regression analysis // Journal of the Operations Research Society of Japan. 1999. V. 42, Iss. 1. P. 98-112.

8. Haekwan L., Tanaka H. Fuzzy regression analysis by quadratic programming reflecting central tendency // Behaviormetrika. 1998. V. 25, Iss. 1. P. 65-80. DOI: 10.2333/bhmk.25.65

9. Sakawa M., Yano H. Multiobjective fuzzy linear regression analysis for fuzzy input-output data // Fuzzy Sets and Systems. 1992. V. 47, Iss. 2. P. 173-181. DOI: 10.1016/0165-0114(92)90175-4

10. Trukhanov S.V. Using fuzzy linear regression in hyperspectral removal data classification algorithms // Proceeding of the XX-th International Open Science Conference «Modern informatization problems in economics and safety». Yelm, USA: Science Book Publishing House LLC, 2015. P. 56-61.

11. Демидова Л.А., Тишкин Р.В., Труханов С.В. Алгоритмы идентификации гиперспектральных характеристик объектов в задачах дистанционного зондирования Земли // Цифровая обработка сигналов. 2014. № 3. С. 30-37.

12. Демидова Л.А., Тишкин Р.В., Труханов С.В. Решение задачи идентификации гиперспектральных характеристик объектов с использованием системы интеллектуальной обработки данных гиперспектральной съёмки // Вестник Рязанского государственного радиотехнического университета. 2014. № 1 (47). С. 10-18.

13. Труханов С.В. Применение нечёткой линейной регрессии при идентификации гиперспектральных характеристик объектов // Сборник трудов Всероссийской научно-технической конференции «Теоретические и прикладные проблемы развития и совершенствования автоматизированных систем управления военного назначения». СПб: Военно-космическая академия имени Ф.А. Можайского, 2014. С. 401-406.

14. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. 165 с.

15. Van Der Weken D., Nachtegael M., Kerre E.E. An overview of similarity measures for images // IEEE International Conference on Acoustics Speech and Signal Processing. 2002. P. 3317-3320. DOI: 10.1109/icassp.2002.1004621


DOI: http://dx.doi.org/10.18287/2412-7329-2016-15-2-200-207

Ссылки

  • Ссылки не определены.


 

Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 International License.

 

ISSN: 2541-7533