2 / 12
А.А. Гурченков, А.Б. Мурынин, А.Н. Трекин
136
ISSN 1812-3368. Вестник МГТУ им. Н.Э. Баумана. Сер. Естественные науки. 2017. № 3
С учетом поставленной задачи изучения антропогенного воздействия на
арктические экосистемы важно не просто распознавать класс поверхности в
определенной точке, но и выделять ограниченные области одного класса, такие
как «лес», «поле» и др., для дальнейшего мониторинга их состояния [3]. Участок
тестового изображения приведен на рис. 1. Исследовалась территория в районе
Усинского (Республика Коми) нефтяного месторождения, на которой наблюда-
ются различные классы растительности, причем имеет место большое количе-
ство нефтяных разливов разной площади [4]. Мультиспектральные изображе-
ния получены спутником
Landsat 8
.
Рис. 1.
Тестовое изображение со спутника
Landsat 8
Разработанный метод является продолжением и развитием группы методов
автоматической и автоматизированной дешифровки космических изображе-
ний, позволяющих определять типы подстилающей поверхности, относя участ-
ки изображения к тому или иному заранее заданному классу [5, 6].
Для отнесения поверхности к одному из заранее заданных классов часто ис-
пользуется обучаемый классификатор. Если он работает в пространстве признаков
отдельного пикселя, и каждый пиксель относит к тому или иному классу, такую
классификацию называют
поточечной,
или
пиксельно-ориентированной
. Однако
описанный в настоящей работе метод относится к классу объектно-ориентирован-
ных методов, где классификатор работает с признаками предварительно выделен-
ных на изображении связных объектов. В таком случае важно правильно выделить
объекты, чтобы каждый из них был представлен одним и тем же классом поверхно-
сти, а также верно задать пространство признаков объекта.
Обзор возможностей объектно-ориентированного подхода для анализа ве-
гетации проведен в работе [7].