Probabilistic Assessment of Objects Belonging to a Given Class Based on the Combination of Multispectral Images of Different Times

Обнаружение объектов - это задача классификации и локализации объектов на изображении. В этой статье рассматриваются методы комплексирования изображений. Определены вероятностные показатели качества оптико-электронных средств при обнаружении образов наблюдаемых объектов. Представлена методика компле...

Full description

Saved in:
Bibliographic Details
Published in:Journal of Siberian Federal University. Engineering & Technologies 2022-04, Vol.15 (3), p.370-380
Main Authors: Svishcho, Vitalii S, Uvarov, Andrey I, Kryukov, Oleg V
Format: Article
Language:Russian
Subjects:
Agglomeration
Image classification
Image detection
Image quality
Machine learning
Object recognition
Optoelectronics
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
cited_by
cites
container_end_page 380
container_issue 3
container_start_page 370
container_title Journal of Siberian Federal University. Engineering & Technologies
container_volume 15
creator Svishcho, Vitalii S
Uvarov, Andrey I
Kryukov, Oleg V
description Обнаружение объектов - это задача классификации и локализации объектов на изображении. В этой статье рассматриваются методы комплексирования изображений. Определены вероятностные показатели качества оптико-электронных средств при обнаружении образов наблюдаемых объектов. Представлена методика комплексирования изображений в многоспектральной оптико-электронной системе на основе вероятностной принадлежности объекта к заданному классу. Получены вероятностные данные о принадлежности объекта к заданному классу с использованием метода машинного обучения. Приведены результаты комплексирования изображений при различных параметрах критерия классификации.
doi_str_mv 10.17516/1999-494X-0396
format article
fullrecord <record><control><sourceid>proquest</sourceid><recordid>TN_cdi_proquest_journals_2680628579</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><sourcerecordid>2680628579</sourcerecordid><originalsourceid>FETCH-proquest_journals_26806285793</originalsourceid><addsrcrecordid>eNqNjT9PwzAQxS0EEhHtzHoSc8DOH6ceIUBhQGXowFY55RIcOXbxOXwAPjmuhJiZnt77vbvH2KXg16KphbwRSqm8UtVbzkslT1hWlKLMJa-bU5b9wXO2JBo554WSlSxkxr5fg-90Z6yhaPZwS4REE7oIvodNN-I-Etyh9W4wboDoQcPafKGD1mpKSBO-g3cQPxBaP3XG6WiST-cvs42GDulF0BaeJz0gHfN70_cYjhtbMyEt2FmvLeHyVy_Y1ePDtn3KD8F_zkhxN_o5uIR2hVxxWazqRpX_a_0A2OlX5w</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype><pqid>2680628579</pqid></control><display><type>article</type><title>Probabilistic Assessment of Objects Belonging to a Given Class Based on the Combination of Multispectral Images of Different Times</title><source>Publicly Available Content Database</source><creator>Svishcho, Vitalii S ; Uvarov, Andrey I ; Kryukov, Oleg V</creator><creatorcontrib>Svishcho, Vitalii S ; Uvarov, Andrey I ; Kryukov, Oleg V</creatorcontrib><description>Обнаружение объектов - это задача классификации и локализации объектов на изображении. В этой статье рассматриваются методы комплексирования изображений. Определены вероятностные показатели качества оптико-электронных средств при обнаружении образов наблюдаемых объектов. Представлена методика комплексирования изображений в многоспектральной оптико-электронной системе на основе вероятностной принадлежности объекта к заданному классу. Получены вероятностные данные о принадлежности объекта к заданному классу с использованием метода машинного обучения. Приведены результаты комплексирования изображений при различных параметрах критерия классификации.</description><identifier>ISSN: 1999-494X</identifier><identifier>EISSN: 2313-6057</identifier><identifier>DOI: 10.17516/1999-494X-0396</identifier><language>rus</language><publisher>Krasnoyarsk: Siberian Federal University</publisher><subject>Agglomeration ; Image classification ; Image detection ; Image quality ; Machine learning ; Object recognition ; Optoelectronics</subject><ispartof>Journal of Siberian Federal University. Engineering &amp; Technologies, 2022-04, Vol.15 (3), p.370-380</ispartof><rights>2022. This work is published under http://journal.sfu-kras.ru/en/series/technologies (the “License”). Notwithstanding the ProQuest Terms and Conditions, you may use this content in accordance with the terms of the License.</rights><lds50>peer_reviewed</lds50><oa>free_for_read</oa><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><linktopdf>$$Uhttps://www.proquest.com/docview/2680628579/fulltextPDF?pq-origsite=primo$$EPDF$$P50$$Gproquest$$Hfree_for_read</linktopdf><linktohtml>$$Uhttps://www.proquest.com/docview/2680628579?pq-origsite=primo$$EHTML$$P50$$Gproquest$$Hfree_for_read</linktohtml><link.rule.ids>314,780,784,25753,27924,27925,37012,44590,75126</link.rule.ids></links><search><creatorcontrib>Svishcho, Vitalii S</creatorcontrib><creatorcontrib>Uvarov, Andrey I</creatorcontrib><creatorcontrib>Kryukov, Oleg V</creatorcontrib><title>Probabilistic Assessment of Objects Belonging to a Given Class Based on the Combination of Multispectral Images of Different Times</title><title>Journal of Siberian Federal University. Engineering &amp; Technologies</title><description>Обнаружение объектов - это задача классификации и локализации объектов на изображении. В этой статье рассматриваются методы комплексирования изображений. Определены вероятностные показатели качества оптико-электронных средств при обнаружении образов наблюдаемых объектов. Представлена методика комплексирования изображений в многоспектральной оптико-электронной системе на основе вероятностной принадлежности объекта к заданному классу. Получены вероятностные данные о принадлежности объекта к заданному классу с использованием метода машинного обучения. Приведены результаты комплексирования изображений при различных параметрах критерия классификации.</description><subject>Agglomeration</subject><subject>Image classification</subject><subject>Image detection</subject><subject>Image quality</subject><subject>Machine learning</subject><subject>Object recognition</subject><subject>Optoelectronics</subject><issn>1999-494X</issn><issn>2313-6057</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2022</creationdate><recordtype>article</recordtype><sourceid>PIMPY</sourceid><recordid>eNqNjT9PwzAQxS0EEhHtzHoSc8DOH6ceIUBhQGXowFY55RIcOXbxOXwAPjmuhJiZnt77vbvH2KXg16KphbwRSqm8UtVbzkslT1hWlKLMJa-bU5b9wXO2JBo554WSlSxkxr5fg-90Z6yhaPZwS4REE7oIvodNN-I-Etyh9W4wboDoQcPafKGD1mpKSBO-g3cQPxBaP3XG6WiST-cvs42GDulF0BaeJz0gHfN70_cYjhtbMyEt2FmvLeHyVy_Y1ePDtn3KD8F_zkhxN_o5uIR2hVxxWazqRpX_a_0A2OlX5w</recordid><startdate>20220401</startdate><enddate>20220401</enddate><creator>Svishcho, Vitalii S</creator><creator>Uvarov, Andrey I</creator><creator>Kryukov, Oleg V</creator><general>Siberian Federal University</general><scope>8FE</scope><scope>8FG</scope><scope>ABJCF</scope><scope>ABUWG</scope><scope>AFKRA</scope><scope>AZQEC</scope><scope>BENPR</scope><scope>BGLVJ</scope><scope>BYOGL</scope><scope>CCPQU</scope><scope>DWQXO</scope><scope>HCIFZ</scope><scope>L6V</scope><scope>M7S</scope><scope>PIMPY</scope><scope>PQEST</scope><scope>PQQKQ</scope><scope>PQUKI</scope><scope>PRINS</scope><scope>PTHSS</scope></search><sort><creationdate>20220401</creationdate><title>Probabilistic Assessment of Objects Belonging to a Given Class Based on the Combination of Multispectral Images of Different Times</title><author>Svishcho, Vitalii S ; Uvarov, Andrey I ; Kryukov, Oleg V</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-proquest_journals_26806285793</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>rus</language><creationdate>2022</creationdate><topic>Agglomeration</topic><topic>Image classification</topic><topic>Image detection</topic><topic>Image quality</topic><topic>Machine learning</topic><topic>Object recognition</topic><topic>Optoelectronics</topic><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>Svishcho, Vitalii S</creatorcontrib><creatorcontrib>Uvarov, Andrey I</creatorcontrib><creatorcontrib>Kryukov, Oleg V</creatorcontrib><collection>ProQuest SciTech Collection</collection><collection>ProQuest Technology Collection</collection><collection>Materials Science &amp; Engineering Collection</collection><collection>ProQuest Central (Alumni Edition)</collection><collection>ProQuest Central UK/Ireland</collection><collection>ProQuest Central Essentials</collection><collection>ProQuest Central</collection><collection>Technology Collection</collection><collection>East Europe, Central Europe Database</collection><collection>ProQuest One Community College</collection><collection>ProQuest Central Korea</collection><collection>SciTech Premium Collection</collection><collection>ProQuest Engineering Collection</collection><collection>Engineering Database</collection><collection>Publicly Available Content Database</collection><collection>ProQuest One Academic Eastern Edition (DO NOT USE)</collection><collection>ProQuest One Academic</collection><collection>ProQuest One Academic UKI Edition</collection><collection>ProQuest Central China</collection><collection>Engineering Collection</collection><jtitle>Journal of Siberian Federal University. Engineering &amp; Technologies</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>Svishcho, Vitalii S</au><au>Uvarov, Andrey I</au><au>Kryukov, Oleg V</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>Probabilistic Assessment of Objects Belonging to a Given Class Based on the Combination of Multispectral Images of Different Times</atitle><jtitle>Journal of Siberian Federal University. Engineering &amp; Technologies</jtitle><date>2022-04-01</date><risdate>2022</risdate><volume>15</volume><issue>3</issue><spage>370</spage><epage>380</epage><pages>370-380</pages><issn>1999-494X</issn><eissn>2313-6057</eissn><abstract>Обнаружение объектов - это задача классификации и локализации объектов на изображении. В этой статье рассматриваются методы комплексирования изображений. Определены вероятностные показатели качества оптико-электронных средств при обнаружении образов наблюдаемых объектов. Представлена методика комплексирования изображений в многоспектральной оптико-электронной системе на основе вероятностной принадлежности объекта к заданному классу. Получены вероятностные данные о принадлежности объекта к заданному классу с использованием метода машинного обучения. Приведены результаты комплексирования изображений при различных параметрах критерия классификации.</abstract><cop>Krasnoyarsk</cop><pub>Siberian Federal University</pub><doi>10.17516/1999-494X-0396</doi><oa>free_for_read</oa></addata></record>
fulltext fulltext
identifier ISSN: 1999-494X
ispartof Journal of Siberian Federal University. Engineering & Technologies, 2022-04, Vol.15 (3), p.370-380
issn 1999-494X
2313-6057
language rus
recordid cdi_proquest_journals_2680628579
source Publicly Available Content Database
subjects Agglomeration
Image classification
Image detection
Image quality
Machine learning
Object recognition
Optoelectronics
title Probabilistic Assessment of Objects Belonging to a Given Class Based on the Combination of Multispectral Images of Different Times
url http://sfxeu10.hosted.exlibrisgroup.com/loughborough?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-07T11%3A28%3A55IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-proquest&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=Probabilistic%20Assessment%20of%20Objects%20Belonging%20to%20a%20Given%20Class%20Based%20on%20the%20Combination%20of%20Multispectral%20Images%20of%20Different%20Times&rft.jtitle=Journal%20of%20Siberian%20Federal%20University.%20Engineering%20&%20Technologies&rft.au=Svishcho,%20Vitalii%20S&rft.date=2022-04-01&rft.volume=15&rft.issue=3&rft.spage=370&rft.epage=380&rft.pages=370-380&rft.issn=1999-494X&rft.eissn=2313-6057&rft_id=info:doi/10.17516/1999-494X-0396&rft_dat=%3Cproquest%3E2680628579%3C/proquest%3E%3Cgrp_id%3Ecdi_FETCH-proquest_journals_26806285793%3C/grp_id%3E%3Coa%3E%3C/oa%3E%3Curl%3E%3C/url%3E&rft_id=info:oai/&rft_pqid=2680628579&rft_id=info:pmid/&rfr_iscdi=true