No abstract

1 Самарский национальный исследовательский университет имени академика С.П. Королева, Самара, Россия, 2 Институт систем обработки изображений РАН -филиал ФНИЦ «Кристаллография и фотоника» РАН, Самара, Россия Аннотация Статья посвящена разработке информационной технологии раннего распознавания видов сельскохозяйственных культур по набору космических снимков на территориях масштаба реги-она. Раннее распознавание проводится в первой половине посевного сезона и характеризуется нехваткой наземных и космических данных для настройки алгоритмов распознавания. Предла-гаемая в статье технология позволяет генерировать обучающую выборку по данным прошлых лет и использовать её для распознавания культур текущего года. Технология состоит их двух этапов. На первом этапе по данным за прошедшие годы формируются модели временных рядов, сельскохозяйственных культур и агросезонов. На втором этапе производится работа с данными текущего года. Сначала по немногочисленному набору опорных полей с известным видом куль-туры выбирается подходящая модель агросезона, близкая к развитию культур в текущем году, а затем по характеристикам модели агросезона генерируется обучающая выборка и выполняется распознавание культур текущего сезона. В статье оценивается качество распознавания с исполь-зованием предлагаемой информационной технологии и возможность её применения на терри-тории региона. Для экспериментальных исследований используются данные за 2011 -2015 го-ды, полученные на территории Самарской области.Ключевые слова: распознавание сельскохозяйственных культур, космические снимки, вегетационные индексы, временные ряды, NDVI, алгоритм вычисления оценок, модель временного ряда. ВведениеВ настоящее время использование данных ди-станционного зондирования (далее -ДДЗ) Земли ста-ло привычным инструментом для решения широкого круга научно-производственных задач [1]. Активное использование космических снимков обусловлено их разнообразием: съемка оптико-электронными и ра-дарными системами предоставляет данные с широ-кими интервалами пространственного и временного разрешений. Сельское хозяйство также является сфе-рой активного развития и внедрения методов, осно-ванных на использовании спутниковых данных -раз-рабатываются и используются методы оценки и рас-познавания типов и границ посевов [2], прогнозиро-вания урожайности [3], оценки степени эрозии почвы и множества других важных задач.Данная статья посвящена распознаванию видов сельскохозяйственных (далее -с/х) культур по кос-мическим снимкам. Актуальность данной задачи не вызывает сомнений. Результаты распознавания при-меняются для учета и контроля использования сель-скохозяйственных земель со стороны региональных органов агропромышленного комплекса (далее -АПК) и сельхозтоваропроизводителей (далее -с/х производителей), контроля севооборота, выявления неиспользуемых земель в течение ряда лет, а также контроля использования субсидий путем выявления расхождений данных мониторинга с декларируемыми с/х производителями данными [4, 5].При распознавании с/х культур чрезвычайно важ-но получить результаты ...

In this paper, we consider methods for hyperspectral image processing, required in systems of image formation, storage, and transmission and aimed at solving problems of data compression and protection. A modification of the digital image compression method based on a hierarchical grid interpolation is proposed. Methods of active (on the basis of digital watermarking) and passive (on the basis of artificial image distortion detection) data protection against unauthorized dissemination are developed and investigated.

Идентификация линейной модели наблюдения изображений… Денисова А.Ю., Сергеев В.В. Аннотация В статье описывается модификация метода идентификации линейной модели наблюде-ния, использующего соотношение между энергетическими спектрами входного и выходно-го изображений. Входное неискажённое изображение полагается неизвестным. В разрабо-танной модификации метода используются известные границы объектов на изображении для построения изображения, энергетически эквивалентного (имеющего близкий энергети-ческий спектр) исходному неискажённому изображению.Ключевые слова: идентификация, линейная модель наблюдения, импульсная характери-стика, энергетический спектр, частотная характеристика, спектрально-энергетический ме-тод, геоинформационные данные.Цитирование: Денисова, А.Ю. Идентификация линейной модели наблюдения изобра-жений, получаемых при дистанционном зондировании Земли, с использованием геоинфор-мационных данных / А.Ю. Денисова, В.В. Сергеев // Компьютерная оптика.