ИСТИНА

Основу распознавания объектов с помощью машинно-обучающих алгоритмов на высокопроизводительных компьютерах составляют методы оптимизации спектральных и пространственных признаков, извлекаемых из обрабатываемых гиперспектральных изображений (сотни спектральных каналов в видимой и ближней инфракрасной области). На примерах распознавания объектов лесного покрова разного породного состава и возраста реализуются вычислительные процедуры описания текстуры таких классов объектов вместе с нахождением тонких нюансов их спектрального распределения в многомерном признаковом пространстве. В результате устраняется возможная избыточность каналов гиперспектрального зондирования вследствие корреляции регистрируемых спектральных плотностей энергетической яркости в соседних каналах. Исследования проводятся при финансовой поддержке ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014 -2020 годы» (Соглашение №14.575.21.0028 о предоставлении субсидии, уникальный идентификатор соглашения RFMEFI57514X0028) и проектов РФФИ (гранты 13-01-00185, 14-05-00598, 14-07-00141, 15-01-00783). ЛИТЕРАТУРА 1. Kozoderov V.V., Kondranin T.V., Dmitriev E.V., Sokolov A.A. Retrieval of forest stand attributes using optical airborne remote sensing data // Optics Express. 2014. V. 22. No. 13. P. 15410-15423. 2. Kozoderov V.V., Kondranin T.V., Dmitriev E.V., Kamentsev V.P. A system for processing hyperspectral imagery: application for detecting forest species // International Journal of Remote Sensing. 2014. V. 35. No. 15. P. 5926-5945. 3. Kozoderov V.V., Kondranin T.V., Dmitriev E.V., Kamentsev V.P. Bayesian classifier applications of airborne hyperspectral imagery processing for forested areas // Advances in Space Research. 2015. V. 55. No. 11. P. 2657-2667.