Спектрально-пространственная классификация типов растительности по гиперспектральным данным

Abstract

Работа посвящена исследованию эффективности методов контролируемой спектрально-пространственной классификации гиперспектральных данных при различении типов растительности (сельскохозяйственных культур). На примере тестового фрагмента изображения, полученного в рамках программы AVIRIS, выполнено сравнение ряда подходов к повышению точности классификации за счет учета окрестности пикселей на различных этапах обработки данных. Показано, что наибольшей эффективностью обладает метод, сочетающий пространственную обработку исходных изображений и постобработку формируемых картосхем.

The article is devoted to the effectiveness research of controlled spectral-spatial classification of hyperspectral data methods in distinguishing vegetation types (agricultural cropes). A number of approaches to increasing the classification accuracy by considering the pixels’ vicinity on different stages of data processing have been compared using the example of the test image fragment, which was taken during the AVIRIS program. It was shown that method combining spatial processing of initial images with postprocessing of generated classification maps renders to be the most effective.