Тип публикации: статья из журнала
Год издания: 2026
Идентификатор DOI: 10.18287/COJ1746
Ключевые слова: structural data analysis, automatic classification, components of the correlation coefficient, kernel probability density estimation, remote sensing data, spectral features, forest area, NDVI index, структурный анализ данных, автоматическая классификация, компоненты коэффициента корреляции, ядерная оценка плотности вероятности, данные дистанционного зондирования, спектральные признаки, лесной массив, индекс NDVI
Аннотация: Описывается методика структурного анализа данных дистанционного зондирования, основанная на декомпозиции области значений спектральных признаков и разработке алгоритма оценивания принадлежности контрольных ситуаций обнаруженным классам. Для декомпозиции области значений спектральных признаков используются компоненты коэффициента коПоказать полностьюрреляции, которые определяются произведением нормированных значений пары спектральных признаков. На основе знаков составляющих компонент коэффициента корреляции определяются четыре класса, которым соответствуют нормированные значения спектральных признаков: положительные, отрицательные и знакопеременные. Обнаруженные классы характеризуются зависимостью между спектральными признаками. На этой основе по исходным статистическим данным формируется решающее правило для оценивания принадлежности спектральных признаков контрольной ситуации к одному из четырёх классов. Приводятся и анализируются оценки плотностей вероятностей компонентов коэффициента корреляции в классах. Рассматриваются методика оптимизации непараметрических оценок плотностей вероятностей.Эффективность предлагаемой методики подтверждается результатами декомпозиции данных дистанционного зондирования лесного массива по двум спектральным признакам (красный, ближний инфракрасный NIR). В этих условиях обосновывается декомпозиция лесного массива на лиственные, хвойные, повреждённые древостои и участки с их отсутствием. Анализируются непараметрические оценки плотностей вероятностей компонент коэффициента корреляции в обнаруженных классах. The article describes a method for structural analysis of remote sensing data based on the decomposition of the range of values of spectral features and the development of an algorithm for assessing the membership of control situations in the detected classes. To decompose the range of values of spectral features, the components of the correlation coefficient are used, which are determined by the product of the normalized values of a pair of spectral features. Based on the signs of the components of the correlation coefficient, four classes are determined, which correspond to the normalized values of spectral features: positive, negative, and alternating. The discovered classes are characterized by the dependence between spectral features. On this basis, using the initial statistical data, a decision rule is formed for assessing the belonging of the spectral features of the control situation to one of the four classes. Estimates of the probability densities of the correlation coefficient components in the classes are presented and analyzed. Methods for optimizing nonparametric estimates of the probability densities are considered. The effectiveness of the proposed method is confirmed by the results of decomposition of remote sensing data of a forest area according to two spectral features (Red, Near Infrared or NIR). Under these conditions, breaking down the forest area into deciduous, coniferous, damaged stands and areas devoid of a tree cover is justified. Nonparametric estimates of the probability densities of the correlation coefficient components in the detected classes are analyzed.
Журнал: Компьютерная оптика
Выпуск журнала: Т.50, №3
Номера страниц: 1746
ISSN журнала: 01342452
Место издания: Самара
Издатель: Самарский национальный исследовательский университет им. акад. С.П. Королева, ФНИЦ "Кристаллография и фотоника" РАН