Модифицированный метод ортогональной проекции для выявления объектов в многоспектральном анализе

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Герус А.В., Панова О.Ю., Саворский В.П. Модифицированный метод ортогональной проекции для выявления объектов в многоспектральном анализе // Оптический журнал. 2020. Т. 87. № 6. С. 43–50. http://doi.org/10.17586/1023-5086-2020-87-06-43-50

Gerus A.V., Panova O.Yu., Savorskiĭ V.P. Modified method of orthogonal projection for object recognition in multispectral analysis [in Russian] // Opticheskii Zhurnal. 2020. Т. 87. № 6. С. 43–50. http://doi.org/10.17586/1023-5086-2020-87-06-43-50

Ссылка на англоязычную версию:

A. V. Gerus, O. Yu. Panova, and V. P. Savorskiĭ, "Modified method of orthogonal projection for object recognition in multispectral analysis," Journal of Optical Technology . 87(6), 355-360 (2020). https://doi.org/10.1364/JOT.87.000355

Аннотация:

Предложен метод распознавания объектов, не имеющих заданной формы, в мультиспектральном анализе. Он основан на применении процедуры ортогонализации в расширенном многомерном спектральном пространстве с раздельным использованием информации о яркости объектов. Проведена процедура оптимизации для уменьшения числа ошибок идентификации двух типов. Метод показал значительное преимущество по точности распознавания по сравнению с методом наименьших квадратов, являющегося основой большинства методов распознавания при решении подобных задач.

Ключевые слова:

ортогональная проекция, вариативность, расширенное многомерное пространство, видимый диапазон, инфракрасный диапазон

Коды OCIS: 280.4991, 280.4788, 280.4750

Список источников:

1. Герус А.В., Герус Т.Г. Акустооптические методы идентификации объектов в гиперспектральном анализе // Физические основы приборостроения. 2015. Т. 4. № 4(17). С. 70–83. DOI: 10.25210/jfop-1504-070083.

2. Герус А.В., Савченко Е.В., Саворский В.П. Алгоритм распознавания акустических, оптических, электрических сигналов от слабых источников в присутствии известного фона // Журнал радиоэлектроники [электронный журнал]. 2017. № 11. Режим доступа: http://jre.cplire.ru/jre/nov17/8/text.pdf.

3. Герус А.В., Савченко Е.В., Саворский В.П. Использование метода ортогональной проекции для идентификации малых объектов в мультиспектральном анализе // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 4. С. 27–35. DOI: 10.21046/2070-7401-2018-15-4-27-35.

4. Afghanistan Opium Survey 2017. Cultivation and Production: United Nations Office on Drugs and Crime (UNODC) Research. Afghanistan. 2017. 73 p.

5. Саворский В.П., Панова О.Ю., Савченко Е.В. Методы анализа данных спутникового мониторинга растительных ареалов для выявления участков незаконного земледелия при проведении специальных экспертиз // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 5. С. 13–30. DOI: 10.21046/2070-7401-2018-15-5-13-30.

6. Герус А.В., Панова О.Ю., Саворский В.П. Оперативное обнаружение целевых участков сельскохозяйственной растительности методом ортогональной проекции // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 4. С. 77–85. DOI: 10.21046/2070-7401-2019-16-4-77-85.

7. Manolakis D., Shaw G. Detection algorithms for hyperspectral imaging applications // IEEE Signal Processing Magazine. 2002. V. 19. N 1. P. 29–43. DOI: 10.1109/79.974724.

8. Толпин В.А., Лупян Е.А., Барталев С.А. и др. Возможности анализа состояния сельскохозяйственной растительности с использованием спутникового сервиса «ВЕГА» // Оптика атмосферы и океана. 2014. Т. 27. № 7. С. 581–586. 9. Лупян Е.А., Бурцев М.А., Балашов И.В. и др. Центр коллективного пользования системами архивации, обработки и анализа спутниковых данных ИКИ РАН для решения задач изучения и мониторинга окружающей среды // Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 5. С. 263–284.