ISSN 0536-101X (print)
ISSN 2618-7299 (online)
+7 (499) 261-82-86
English version

Классификация гиперспектральных изображений с использованием мультифрактальных признаков и метода опорных векторов

Д.В. Учаев, Дм.В. Учаев, В.А. Малинников

Страницы: 558-562

Аннотация. Предлагается концепция нового метода спектрально-пространственной классификации гиперспектральных изображений, базирующаяся на локальном мультифрактальном анализе гиперспектральных изображений и методе опорных векторов. Сформулирован основной подход к расчету пространственных признаков методами мультифрактального анализа, перечислены основные группы мультифрактальных характеристик, которые могут использоваться в качестве классификационных признаков.

Ключевые слова: Гельдеровская экспонента, емкость Шоке, машина опорных векторов, мультифрактал, спектрально-пространственная классификация, Choquet capacity, Holder exponent, multifractal, spectral-spatial classification, support vector machine

Classification of hyperspectral images based on multifractal features and support vector machine

D.V. Uchaev, Dm.V. Uchaev, V.A. Malinnikov

Pages: 558-562

Summary. Recently much attention is drawn to the classification of hyperspectral images. The most known hyperspectral classifiers are based on the observed spectral signal, and ignore the spatial relations among observations. Information captured in neighboring locations may provide useful supplementary knowledge for classification of hyperspectral image. Therefore, it makes sense to use methods of spectral-spatial classification, which assign each pixel of the image to one class, both on the basis of its spectral values (spectral information) and on the basis of information extracted from its environment (spatial information) to improve the classification results. In this paper, concept of such a method for spectral-spatial classification of hyperspectral images, based on local multifractal analysis of hyperspectral images and the support vector machine is proposed. The essence of the method proposed centers around combining spectral and multifractal information at the stage of constructing feature vectors for each pixel and applying (to the obtained set of features vectors) the classifier based on the support vector machine. The method proposed solves the important problem of choosing the technique for calculating spatial features using the methods of multifractal analysis. The paper formulates a basic approach to a possible solution of this problem and lists basic groups of multifractal characteristics that can be used as classification features.

Скачать статью