Методы текстурного анализа изображений, обработка данных дистанционного зондирования Земли

Методы текстурного анализа изображений, обработка данных дистанционного зондирования Земли

Автор: Фраленко Виталий Петрович

Журнал: Программные системы: теория и приложения @programmnye-sistemy

Рубрика: Математическое моделирование

Статья в выпуске: 4 (22) т.5, 2014 года.

Бесплатный доступ

В работе приведены результаты научного обзора известных методов описания и распознавания текстур, поднимается вопрос перспективности применения методов текстурного анализа в задачах картографии и разведки. Выполнено практическое сравнение ряда методов удаления фоновой подстилающей поверхности.

Изображение, дистанционное зондирование, текстурный анализ, подход.

Короткий адрес: https://sciup.org/14335990

IDR: 14335990

Список литературы Методы текстурного анализа изображений, обработка данных дистанционного зондирования Земли

  • А. А. Мицель, Н. В. Колодникова, К. Т. Протасов. Непараметрический алгоритм текстурного анализа аэрокосмических снимков//Изв. Томского политехнич. ун-та, 2005. Т. 308.
  • С. П. Новгородцев, М. В. Телегина. Автоматизация выделения сегментированных по текстуре областей на космических снимках, 2013, URL http://www.istu.ru/obshchaya-informatsiya/links/pub/viewdownload/5/1232.
  • В. С. Сидорова. Автоматическая классификация изображения по спектральным и текстурным признакам на основе многомерной гистограммы, 2007, URL http://loi.sscc.ru/lab/RFFI07/ru/svs.htm.
  • R. M. Haralick. Statistical and structural approaches to texture//Proceedings of the IEEE, 1979. Vol. 67, no. 5, p. 768-804.
  • R. M. Haralick, K. Shanmugam, I. Dinstein. Textural features for image classification//IEEE Transactions on Systems, Man and Cybernetics, 1973. Vol. 3, p. 610-621.
  • K. I Laws. Rapid texture identification//SPIE, 1980. Vol. 238, p. 376-380.
  • H. Tamura, S. Mori, T. Yamawaki. Psychological and computational measurements of basic textural features and their comparison//Proc. 3rd Int. Joint Conf. Pattern Recognition, 1976, p. 273-277.
  • H. Tamura, S. Mori, T. Yamawaki. Textural features corresponding to visual perception//IEEE Transaction on Systems, Man and Cybernetics, 1978. Vol. 8, p. 400-473.
  • H. Niemann. Pattern analysis. Springer Series in Information Sciences, Vol. 4. Berlin: Springer-Verlag, 1981. -302 p.
  • J. P. Serra. Image analysis and mathematical morphology. London: Academic Press, 1982. -610 p.
  • J. P. Serra. Theoretical bases of the Leitz texture analyses system//Leitz Sci. Tech. Inform., 1974. Vol. 1, no. 4, p. 125-136.
  • D. Chetverikov. Detecting defects in texture//Proceedings of the 9th international Conference on pattern Recognition, 1988, p. 61-63.
  • D. Chetverikov. Pattern orientation and texture symmetry//Computer Analysis of Images and Patterns. Springer Lecture Notes in Computer Science, 1995. Vol. 970, p. 222-229.
  • D. Chetverikov, R. M. Haralick. Texture anisotropy, symmetry, regularity: recovering structure from interaction maps//Pmc. British Machine Vision Conference, 1995, p. 57-66.
  • D. Chetverikov. Texture feature based interaction maps and structural filtering//20th Workshop of the Austrian Pattern Recognition Group, 1996, p. 143-157.
  • D. Chetverikov. Texture imperfections//Pattern Recognition, 1987, no. 6, p. 45-50 (english).
  • П. П. Кольцов. Сравнительное изучение алгоритмов выделения и классификации текстур//Журнал вычислительной математики и математической физики, 2011. Т. 51.
  • Н. Г. Федотов. Методы стохастической геометрии в распознавании образов. М.: Радио и связь, 1990. -144 c.
  • Н. Г. Федотов, А. А. Кадыров. Новые признаки изображений, инвариантные относительно группы движений и аффинных преобразований//Автометрия, 1997.
  • Н. Г. Федотов. Теория признаков распознавания образов на основе стохастической геометрии и функционального анализа. М.: Физматлит, 2009. -304 c.
  • N. G. Fedotov, D. A. Mokshanina. Recognition of halftone textures from the standpoint of stochastic geometry and functional analysis//Journal Pattern Recognition and Image Analysis archive, 2010. Vol. 20, no. 4, p. 551-556.
  • Д. А. Мокшанина. Распознавание полутоновых текстур на основе стохастической геометрии и функционального анализа, Дис... кан. тех. наук, Пенза, (2010).
  • А. А. Рогов, К. Н. Спиридонов. Применение спектра фрактальных размерностей Реньи как инварианта графического изображения//Вестник Санкт-Петербургского университета, 2008. Т. 10.
  • К. Н. Спиридонов. Применение спектра обобщенных фрактальных размерностей Реньи для сравнения текстур изображений, Дис... кан. тех. наук, Петрозаводск, (2008).
  • А. А. Потапов. Новые информационные технологии на основе вероятностных текстурных и фрактальных признаков в радиолокационном обнаружении малоконтрастных целей//Радиотехника и электроника, 2003. Т. 48.
  • W. Su, C. Zhang, J. Yang, H. Wu, L. Deng, W. Ou, A. Yue, M. Chen. Analysis of wavelet packet and statistical textures for object-oriented classification of forest-agriculture ecotones using SPOT 5 imagery//International Journal of Remote Sensing, 2012. Vol. 33, no. 11, p. 3557-3579.
  • Y. Han, H. Kim, J. Choi, Y. Kim. A shape-size index extraction for classification of high resolution multispectral satellite images//International Journal of Remote Sensing, 2012. Vol. 33, no. 6, p. 1682-1700.
  • В. П. Фраленко. Анализ спектрографических текстур данных дистанционного зондирования Земли//Искусственный интеллект и принятие решений, 2010.
  • R. Lerski, K. Straughan, L. Shad, D. Boyce, S. Bluml, I. Zuna. MR image texture analysis an approach to tissue characterisation//Magnetic Resonance Imaging, 1993, no. 11, p. 873-887.
  • M. Strzelecki. Segmentation of textured biomedical images using neural networks, PhD Thesis, Technical University of Lodz, Poland, (1995).
  • А. Н. Виноградов, Ф. В. Калугин, М. Д. Недев, С. В. Погодин, А. А. Талалаев, И. П. Тищенко, В. П. Фраленко, В. М. Хачумов. Выделение и распознавание локальных объектов на аэрокосмических снимках//Авиакосмическое приборостроение, 2007.
  • А. И. Смирнова, В. М. Хачумов. Метод обработки мультиспектральных снимков дистанционного зондирования Земли//Авиакосмическое приборостроение, 2013.
  • N. K. Abbadi, N. S. Dahir, Z. A. Alkareem. Skin texture recognition using neural networks//Proc. Int'l Arab Conf. on Information Technology, 2008, p. 1-4.
  • O. L. Vovk. Evaluation of statistical features for texture classification//The Visnyk of the SSU, 2004. Vol. 71, no. 12, p. 98-105.
  • С. Г. Антощук, Н. А. Сербина. Система распознавания текстурных изображений при экологическом мониторинге//Искусственный интеллект, 2002.
  • B. Julesz. Experiments in the visual perception of textures//Sci. Amer., 1975. Vol. 232, p. 34-43.
  • В. Т. Фисенко, Т. Ю. Фисенко. Компьютерная обработка и распознавание изображений. Учебное пособие. СПб.: СПбГУИТМО, 2008. -192 c.
  • А. В. Гайдель, С. С. Первушкин. Исследование текстурных признаков для диагностики заболеваний костной ткани по рентгеновским изображениям//Компьютерная оптика, 2013. Т. 37.
  • J. S. Weszka, C. R. Dyer, A. A Rosenfeld. A comparative study of texture measures for terrain classification//IEEE Transaction on Systems, Man and Cybernetics, 1976. Vol. 6, no. 4, p. 269-285.
  • M. Unser. Sum and difference histograms for texture classification//IEEE Transaction on Pattern Analysis and Machine Intelligence, 1986. Vol. 8, no. 1, p. 118-125.
  • В. Г. Астафуров, Т. В. Евсюткин, К. В. Курьянович, А. В. Скороходов. Статистическая модель текстуры изображений различных типов облачности по данным MODIS//Современные проблемы дистанционного зондирования Земли из космоса, 2013. Т. 10.
  • M. Tuceryan, A. K. Jain. Texture segmentation using Voronoi polygons//IEEE Transactions on Pattern Analysis and Machine Intelligence, 1990. Vol. 12, p. 211-216.
  • Д. А. Мокшанина. Применение аппарата стохастической геометрии и функционального анализа к решению проблемы анализа и распознавания полутоновых текстур из области металлографии//Проблемы информатики в образовании, управлении, экономике и технике. -Пенза: ПДЗ, 2010, c. 29-31.
  • L. David. Object recognition from local scale-invariant features//Proceedings of the International Conference on Computer Vision, 1999. Vol. 2, p. 1150-1157.
  • H. Bay, T. Tuytelaars, L. V. Gool. SURF: speeded up robust features//Computer Vision and image Understanding, 2008. Vol. 110, no. 3, p. 346-359.
  • Y. Ke, R. Sukthankar. PCA-SIFT: a more distinctive representation for local image descriptors//CVPR'04 Proceedings of the 2004 IEEE computer society conference on Computer vision and pattern recognition, 2004, p. 506-513.
  • Summed area table. Wikipedia, URL http://en.wikipedia.org/wiki/Integral_ image.
  • Ю. С. Гладышева. Поиск изображений по признаку самоподобных локальных дескрипторов, 2011. URL http://se.math.spbu.ru/.../Gladysheva Julija text.pdf.
  • С. Н. Загоруйко, В. П. Носков. Последовательная регистрация дальнометрических и телевизионных данных при построении трехмерной модели внешней среды//Современные проблемы дистанционного зондирования Земли из космоса, 2013.
  • И. В. Мин. Two-phase kernel//Современные техника и технологии (СТТ2013), Секция 7: Информатика и управление в технических системах, 2013, c. 290-292.
  • J. Flusser, T. Suk, B. Zitova. Moments and moment invariants in pattern recognition. NY.: Jonn Wiley amp; Sons Ltd, 2009. -296 p.
  • Дж. Ту, Р. Гонсалес. Принципы распознавания образов. М.: Мир, 1978. -412 c.
  • A. C. Shaw. Parsing of graph-representable pictures//J. ACM, 1970. Vol. 17, no. 3, p. 453-481.
  • S. Y. Lu, K. S. Fu. A syntactic approach to texture analysis//Comput. Graph. Image Proc., 1978. Vol. 7, no. 3, p. 303-330.
  • R. W. Ehrich, J. P. Foith. A view of texture topology and texture description//Comput. Graph. Image Proc., 1978. Vol. 8, no. 2, p. 174-202.
  • Г. А. Андреев, О. В. Базарский, А. С. Глауберман, А. И. Колесников, Ю. В. Коржик, Я. Л. Хлявич. Анализ и синтез случайных пространственных текстур//Зарубежная радиоэлектроника, 1984.
  • Н. В. Колодникова. Обзор текстурных признаков для задач распознавания образов//Доклады ТУСУРа. Автоматизированные системы обработки информации, управления и проектирования, 2004, c. 113-124.
  • А. А. Афонский, В. П. Дьяконов. Цифровые анализаторы спектра, сигналов и логики. М.: СОЛОН-Пресс, 2009. -248 c.
  • И. С. Грузман, В. С. Киричук, В. П. Косых, Г. И. Перетягин, А. А. Спектор. Цифровая обработка изображений в информационных системах: Учебное пособие. Новосибирск: НГТУ, 2002. -352 c.
  • A. J. Bell, T. J. Senjnowsky. The “independent components” of natural scenes are edge filters//Vision Research, 1997. Vol. 37, no. 23, p. 3327-3338.
  • В. А. Сойфер. Методы компьютерной обработки изображений. М.: Физматлит, 2003. -459 c.
  • Z. L. Stan. Markov random field in image analysis. Berlin: Springer-Verlag, 2009. -362 p.
  • G. Winkler. Image analysis, random fields and dynamic Monte Carlo methods. Berlin: Springer-Verlag, 1995. -324 p.
  • А. И. Пластинин, А. Г. Храмов, В. А. Сойфер. Обнаружение текстурных неоднородностей на микромасштабных изображениях материалов//Компьютерная оптика, 2011. Т. 35.
  • А. И. Пластинин, А. В. Куприянов. Модель Марковского случайного поля в задачах синтеза и анализа текстурных изображений//Вестник Самарского государственного аэрокосмического университета, 2008.
  • А. И. Пластинин. Метод формирования признаков текстурных изображений на основе Марковских моделей, Дис... кан. тех. наук, Самара, (2012).
  • Е. Федер. Фракталы. Учебное издание. М.: Мир, 1991. -259 c.
  • S. Lipschutz, M. Lipson. Schaum's Outlines: Linear Algebra. NY.: McGrawhill, 2009. -425 p.
  • С. А. Амелькин, А. В. Захаров, В. М. Хачумов. Обобщенное расстояние Евклида-Махаланобиса и его свойства//Информационные технологии и вычислительные системы, 2006.
  • G. Grudic, J. Mulligan. Outdoor path labeling using polynomial Mahalanobis distance//Proc. of Robotics: Science and Systems, 2006, p. 16-19.
Еще
Статья научная
SciUp 2024 © 2024 ©