на сайт факультета информатики ТГУ
на сайт Томского государственного университета
  


НАЧАЛО БИБЛИОТЕКА ПУБЛИКАЦИИ СОТРУДНИКОВ ФАКУЛЬТЕТА

     ПУБЛИКАЦИИ СОТРУДНИКОВ ФАКУЛЬТЕТА



Протасов К. Т., Рюмкин А. И.

Непараметрический алгоритм распознавания объектов подстилающей поверхности Земли по данным аэрокосмисемкой съемки // Вестник Томского гос. ун-та, 2002, № 275, с. 41-46
http://www.inf.tsu.ru/library/Publications/2002/19.pdf
Электронная библиотека:




Предложен и реализован алгоритм распознавания основных объектов подстилающей поверхности Земли, таких как пашни, луга, дороги, реки, болото, лесные насаждения и типы древостоев, по результатам аэрокосмической съемки. Случайные вариации портретов объектов каждого класса представлены обучающими выборками, а оптические и геометрические вариации оцениваются с помощью параметрического описания процесса регистрации изображений съемочной камерой. На первом шаге предопознавания решается задача согласования текущего фрагмента с выборочными ансамблями материала обучения путем пересчета наблюдений к оптико-геометрическим условиям обучающей выборки. Решающее правило проверки гипотез основано на непараметрических оценках неизвестных функций плотности, при этом недоопределенные параметры сглаживания этих функций находятся в процессе решения задачи оптимизации эмпирического риска по параметрам сглаживания. Приведены примеры работы алгоритма с использованием реальных данных.

Protasov K.T., Ryumkin A.I. Nonparametric algorithm of object recognition of the Earth’s un-derlying surface based on aerospace survey data. An algorithm of key object recognition of the Earth’s underlying surface namely, plough-lands, meadows, roads, rivers, marsh, forests and types of trees has been proposed and realized by the results of aerospace survey. Random variations of object patterns of each class are represented by training samples, and optical and geometric variations are evaluated using the parametric description of the process of image recording by a camera. At the first stage of pre recognition the problem is solved of the agreement of a running fragment with sampling ensembles of training samples by recalculation of observed objects according to the optic-geometric conditions of a training sample. The decisive rule of checking of hypotheses is based on nonparametric estimates of unknown density function. In this case the subdefinite parameters of these functions smoothing are in the course of solving the problem of optimization of empirical risk by smoothing parameters. Examples are given of algorithm processing with the use of real data.

Формат: PDF Размер: 471 Кбайт
Copyright © 2010 Факультет информатики Томского государственного университета  
  Служба сервера