Вероятностная оценка принадлежности объектов к заданному классу на основе комплексирования разновременных многоспектральных изображений
Автор: Свищо В. С., Уваров А. И., Крюков О. В.
Журнал: Журнал Сибирского федерального университета. Серия: Техника и технологии @technologies-sfu
Рубрика: Информационно-коммуникационные технологии
Статья в выпуске: 3 т.15, 2022 года.
Бесплатный доступ
Обнаружение объектов - это задача классификации и локализации объектов на изображении. В этой статье рассматриваются методы комплексирования изображений. Определены вероятностные показатели качества оптико-электронных средств при обнаружении образов наблюдаемых объектов. Представлена методика комплексирования изображений в многоспектральной оптико-электронной системе на основе вероятностной принадлежности объекта к заданному классу. Получены вероятностные данные о принадлежности объекта к заданному классу с использованием метода машинного обучения. Приведены результаты комплексирования изображений при различных параметрах критерия классификации.
Обнаружение и распознавание объектов, совмещение, глубокое обучение, оценка вероятности
Короткий адрес: https://sciup.org/146282450
IDR: 146282450 | DOI: 10.17516/1999-494X-0396
Список литературы Вероятностная оценка принадлежности объектов к заданному классу на основе комплексирования разновременных многоспектральных изображений
- Тарасов В. В., Якушенков Ю. Г. Двух- и многодиапазонные оптико-электронные системы с матричными приемниками излучения. М.: Университетская книга; Логос. 2007. 192 с.
- Якушенков Ю. Г. Теория и расчет оптико-электронных приборов. Монография. 4-е изд., переработанное и дополненное. М.: Логос, 1999. 500 с.
- Васильев А. С. Методы комплексирования изображений многоспектральных оптико-электронных систем. Сборник трудов международной конференции "Прикладная оптика - 2014". СПб, 2014. Т. 2, с. 191-194.
- Liu Z. and Laganiere R., "Context Enhancement through Infrared Vision: A Modified Fusion Scheme". Signal, Image and Video Processing, vol. 1, no. 4, pp. 293-301, Oct. 2007.
- Студитский А. С. Исследование и разработка многофункционального оптико-электронного средства наблюдения и разведки. М.: НИИ и МНПО "Спектр", 2013. 112 с.
- Галимянов Ф. А., Гафаров Ф. М., Хуснутдинов Н. Р. Модель роста нейронной сети, Математическое моделирование, 2011, 23:3, 101-108.
- Ищук И. Н., Долгов А. А., Лихачев М. А., Тельных Б. К. Модель расчета теплофизических параметров материалов по данным многоспектральной разновременной фотографической съемки земной поверхности. Журн. Сиб. федер. ун-та. Техника и технологии, 2020, 13(7), 894-906.
- Ищук И. Н., Степанов Е. А., Бeбенин А. А., Дмитриев Д. Д., Филимонов А. М. Способ классификации объектов оптико-электронными системами разведки на основе обработки многоспектрального кубоида изображений. Журн. Сиб. федер. ун-та. Техника и технологии, 2017, 10(2), 183-190.
- Свидетельство о государственной регистрации программы для ЭВМ № 2021667847 Российская Федерация / А. И. Уваров от 03.11.2021 г. Программная реализация алгоритма фотограмметрической обработки разновременных спектральных изображений с учетом тепловой инерции нейронной сетью глубокого обучения.
