Перспективы построения высокопроизводительной системы обработки данных дистанционного зондирования земли
Автор: Хачумов Вячеслав Михайлович, Фраленко Виталий Петрович, Chen Guo Xiang , Zhang Guo Liang
Журнал: Программные системы: теория и приложения @programmnye-sistemy
Рубрика: Искусственный интеллект, интеллектуальные системы, нейронные сети
Статья в выпуске: 1 (24) т.6, 2015 года.
Бесплатный доступ
В работе представлены промежуточные результаты исследований, посвященных решению ряда задач обработки полноцветных и мультиспектральных изображений дистанционного зондирования Земли. Приведены результаты экспериментов по обнаружению целевых регионов интереса с помощью метода спектрографической «закраски» и нейросетевой кластеризации; решена задача обнаружения сложных ригидных объектов. Предложена реализация алгоритма преобразования мультиспектральных снимков в полутоновые и цветные. Все программы разработаны для функционирования на гетерогенной вычислительной установке.
Дистанционное зондирование, мультиспектральное изображение, параллелизм., сотрудничество
Короткий адрес: https://sciup.org/14336133
IDR: 14336133
Список литературы Перспективы построения высокопроизводительной системы обработки данных дистанционного зондирования земли
- А. Кучейко. Текущее состояние дистанционного зондирования Земли из космоса в России и за рубежом//Газета.Ru, 2013, URL http://www.gazeta.ru/science/2013/02/27_a_4990217.shtml.
- "Текущее состояние дистанционного зондирования Земли из космоса в России и за рубежом", Ракурс, URL http://www.racurs.ru/?page=801.
- Совместное заявление Российской Федерации и Китайской Народной Республики о новом этапе отношений всеобъемлющего партнерства и стратегического взаимодействия, 2014, URL http://news.kremlin.ru/ref_notes/1642.
- А. Ю. Попков, И. В. Соченков, В. М. Хачумов. Гетерогенный вычислительный комплекс для решения инженерных и научных задач//Третий Национальный Суперкомпьютерный Форум НСКФ2014 (Переславль-Залесский, 2014), URL https://docs.google.com/uc?export=download&id=0B-Qay3kEFxqfZTJLeEgybVNKOWc.
- A. A. Kondratyev, V. M. Khachumov. High-performance stream processing on multicore and graphics processors//Second International Conference "Cluster Computing" CC 2013 (Lviv, 2013). P. 105-110.
- В. М. Хачумов, И. П. Тищенко, А. А. Талалаев, К. А. Константинов, В. П. Фраленко, Ю. Г. Емельянова. Нейросетевая система контроля телеметрической информации, диагностики подсистем космических аппаратов, обработки космических снимков (ПС НСКиД), Свидетельство о государственной регистрации программы для ЭВМ № 2012613261, дата приоритета: 18.11.2011, дата регистрации: 06.04.2012.
- Landsat Image Gallery, URL http://landsat.visibleearth.nasa.gov/.
- GIS LAB. Геоданные. Новый источник доступных данных ASTER, URL http://gis-lab.info/projects/aster/about.html.
- О. Н. Колесникова. Использование программного комплекса ENVI для обработки данных дистанционного зондирования Земли//Геоматика, 2009, №1. С. 38-41, URL http://geomatica.ru/pdf/2009_01/2009_01_005.pdf.
- S. V. Aelst. Robust Estimation, Inference and Prediction//COMPSTAT 2014 (University of Leuven, 2014), URL http://compstat2014.org/Stefan%20Van%20Aelst%20-%20TutorialCompstat2014.pdf.
- G. Grudic, J. Mulligan. Outdoor path labeling using polynomial Mahalanobis distance//Proc. of Robotics: Science and Systems, 2006. P. 16-19 (english).
- M. R. Ackerman. Algorithms for the Bregman 𝑘-Median Problem, A dissertation submitted to the Department of Computer Science University of Paderborn, 2009, 220 pp.
- С. А. Амелькин, В. М. Хачумов. Обобщенное расстояние Евклида-Махаланобиса и его применение в задачах распознавания образов//12-я Всероссийская конференция "Математические методы распознавания образов", МАКС Пресс, М., 2005. С. 7-9.
- С. А. Амелькин, А. В. Захаров, В. М. Хачумов. Обобщенное расстояние Евклида-Махаланобиса и его свойства//Информационные технологии и вычислительные системы, 2006, №4. С. 40-44.
- M. V. Khachumov. Distances, Metrics and Cluster Analysis//Scientific and Technical Information Processing, V. 39. No. 6. 2012. P. 1-7 (english).
- В. П. Фраленко. Анализ спектрографических текстур данных дистанционного зондирования Земли//Искусственный интеллект и принятие решений, 2010, №2. С. 11-15.
- А. И. Смирнова, В. М. Хачумов. Метод обработки мультиспектральных снимков дистанционного зондирования Земли//Авиакосмическое приборостроение, 2013, №2. С. 50-56.
- В. П. Фраленко. Методы текстурного анализа изображений, обработка данных дистанционного зондирования Земли//Программные системы: теория и приложения, Т. 5, №.4. 2014. С. 19-39, URL http://psta.psiras.ru/read/psta2014_4_19-39.pdf.
- Convolutional Neural Networks (LeNet), DeepLearning 0.1 documentation (english), URL http://deeplearning.net/tutorial/lenet.html.
- K. Pearson. On lines and planes of closest fit to systems of points in space//Philosophical Magazine, 2 (1901). P. 559-572 (english).
