Формирование информативного индекса для различения заданных объектов гиперспектральных данных
Автор: Парингер Рустам Александрович, Мухин Артем Владимирович, Куприянов Александр Викторович
Журнал: Компьютерная оптика @computer-optics
Рубрика: Обработка изображений, распознавание образов
Статья в выпуске: 6 т.45, 2021 года.
Бесплатный доступ
Работа посвящена разработке подхода, позволяющему по малому числу наблюдений создавать правила различения заданных объектов гиперспектральных данных. Разработка подобного подхода способствовала бы развитию методов и алгоритмов для оперативного анализа гиперспектральных данных, применимых как для предварительной обработки, так и для выполнения разметки гиперспектральных данных. Для реализации подхода предлагается применять технологию, заключающуюся в совместном использовании общих правил вычисления индексов и критериев информативности. В рамках данной работы при реализации предлагаемой технологии индекс задается нормализованной разностной формулой, а информативность оценивается на основе значения критерия разделимости дискриминантного анализа. В результате проведённых исследований, было показано, что с использованием алгоритма, реализующего технологию, была решена задача различения областей гиперспектральных данных с разной растительностью. Сформированный алгоритмом индекс оказался близким по значениям к NDVI. Применяемая технология является генерализацией подхода к формированию правил анализа гиперспектральных данных по малому числу признаков и может быть использована для формирования индексов, информативных в различных задачах.
Классификация, гиперспектральные данные, ndvi, дискриминантный анализ
Короткий адрес: https://sciup.org/140290286
IDR: 140290286 | DOI: 10.18287/2412-6179-CO-930
Список литературы Формирование информативного индекса для различения заданных объектов гиперспектральных данных
- Wu, C. Estimating chlorophyll content from hyperspectral vegetation indices: Modeling and validation / C. Wu, Z. Niu, Q. Tang, W. Huang // Agricultural and Forest Meteorology. - 2008. - Vol. 148, Issues 8-9. - P. 1230-1241.
- Cho, M.A. Estimation of green grass/herb biomass from airborne hyperspectral imagery using spectral indices and partial least squares regression / M.A. Cho, A. Skidmore, F. Corsi, S.E. Van Wieren, I. Sobhan // International Journal of Applied Earth Observation and Geoinformation. - 2007. - Vol. 9, Issue 4. - P. 414-424.
- Knyazikhin, Y. Hyperspectral remote sensing of foliar nitrogen content / Y. Knyazikhin, M.A. Schull, P. Stenberg, M. Mottus, M. Rautiainen, Y. Yang, R.B. Myneni // Proceedings of the National Academy of Sciences. - 2013. -Vol. 110, Issue 3. - P. E185-E192.
- Zhang, F. Estimation of vegetation water content using hyperspectral vegetation indices: A comparison of crop water indicators in response to water stress treatments for summer maize / F. Zhang, G. Zhou // BMC Ecology. - 2019. -Vol. 19, Issue 1. - 18.
- Zhang, X. Crop classification based on feature band set construction and object-oriented approach using hyperspectral images / X. Zhang, Y. Sun, K. Shang, L. Zhang, S. Wang // IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. - 2016. - Vol. 9, Issue 9. - P. 4117-4128.
- Boon, M.S. Supervised and unsupervised classification for obtaining land use/cover classes from hyperspectral and multi-spectral imagery / M.S. Boori, R. Paringer, K. Choudhary, A. Kupriyanov // Proceedings of SPIE. - 2018. - Vol. 10773. -107730L. - DOI: 10.1117/12.2322624.
- Boori, M.S. Monitoring crop phenology using NDVI time series from Sentinel 2 satellite data / M.S. Boori, K. Choudhary, R. Paringer, A.K. Sharma, A. Kupriyanov, S. Corgne // 2019 5th International Conference on Frontiers of Signal Processing (ICFSP). - 2019. - P. 62-66. - DOI: DOI: 10.1109/ICFSP48124.2019.8938078.
- Golhani, K. A review of neural networks in plant disease detection using hyperspectral data / K. Golhani, S.K. Balasundram, G. Vadamalai, B. Pradhan // Information Processing in Agriculture. - 2018. - Vol. 5, Issue 3. -P. 354-371.
- Boori, M.S. Spatiotemporal ecological vulnerability analysis with statistical correlation based on satellite remote sensing in Samara, Russia / M.S. Boori, K. Choudhary, R. Paringer, A. Kupriyanov // Journal of Environmental Management. - 2021. - Vol. 285. - 112138. - DOI: 10.1016/j.jenvman.2021.112138.
- Pandey, P. High throughput in vivo analysis of plant leaf chemical properties using hyperspectral imaging / P. Pandey, Y. Ge, V. Stoerger, J.C. Schnable // Frontiers in Plant Science. - 2017. - Vol. 8. - 1348.
- Holmer, A. Oxygenation and perfusion monitoring with a hy-perspectral camera system for chemical based tissue analysis of skin and organs / A. Holmer, F. Tetschke, J. Marotz, H. Malberg, W. Markgraf, C. Thiele, A. Kulcke // Physiological Measurement. - 2016. - Vol. 37, Issue 11. - P. 2064-2078.
- Zhang, H. Hyperspectral classification based on lightweight 3-D-CNN with transfer learning / H. Zhang, Y. Li, Y. Jiang, P. Wang, Q. Shen, C. Shen // IEEE Transactions on Geoscience and Remote Sensing. - 2019. - Vol. 57, Issue 8. - P. 5813-5828.
- Zhu, L. Generative adversarial networks for hyperspectral image classification / L. Zhu, Y. Chen, P. Ghamisi, J.A. Benediktsson // IEEE Transactions on Geoscience and Remote Sensing. - 2018. - Vol. 56, Issue 9. - P. 5046-5063.
- Li, J. Classification of hyperspectral imagery using a new fully convolutional neural network / J. Li, X. Zhao, Y. Li, Q. Du, B. Xi, J. Hu // IEEE Geoscience and Remote Sensing Letters. - 2018. - Vol. 15, Issue 2. - P. 292-296.
- Deng, J. Imagenet: A large-scale hierarchical image database / J. Deng, W. Dong, R. Socher, L.J. Li, K. Li, L. FeiFei // 2009 IEEE Conference on Computer Vision and Pattern Recognition. - 2009. - P. 248-255.
- Lin, T.Y. Microsoft COCO: Common objects in context / T.Y. Lin, M. Maire, S. Belongie, J. Hays, P. Perona, D. Ramanan, P. Dollar, C.L. Zitnick // European Conference on Computer Vision. - 2014. - P. 740-755.
- Grana, M. Hyperspectral remote sensing scenes [Electronical Resource] / M. Grana, M.A. Veganzons, B. Ayerdi. -2020. - URL: http://www. ehu.eus/ccwintco/index. php?title=Hyperspectral _Remote_Sensing_Scenes (request date 18.10.2020).
- Asrar, G.Q. Estimating absorbed photosynthetic radiation and leaf area index from spectral reflectance in wheat 1 / G.Q. Asrar, M. Fuchs, E.T. Kanemasu, J.L. Hatfield // Agronomy Journal. - 1984. - Vol. 76, Issue 2. - P. 300-306.
- Fukunaga, K. Introduction to statistical pattern recognition / K. Fukunaga. - New York, London: Academic Press, 1972. - 369 p.
