Сomputational procedures for thematic processing of space imagery for agricultural resources monitoring (part 2)
The universal fast algorithm of cluster analysis is considered. The proposed algorithm is a grid type, it uses the point density parameter in the grid cell and the ratio between neighborhoods to unite of neighboring dense cells into clusters.The algorithm sequentially calculates for each point the n...
Збережено в:
| Дата: | 2020 |
|---|---|
| Автори: | , , , , |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
Kyiv National University of Construction and Architecture
2020
|
| Теми: | |
| Онлайн доступ: | https://es-journal.in.ua/article/view/199705 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Environmental safety and natural resources |
Репозитарії
Environmental safety and natural resources| id |
es-journalinua-article-199705 |
|---|---|
| record_format |
ojs |
| institution |
Environmental safety and natural resources |
| collection |
OJS |
| language |
Ukrainian |
| topic |
алгоритм кластеризації супутникові космічні знімки сітка комірка щільність точок відношення сусідства аграрні ресурси природні ландшафти лісові ресурси clustering algorithm satellite space images grid cell point density neighborhood ratio agrarian resources natural landscapes forest resources |
| spellingShingle |
алгоритм кластеризації супутникові космічні знімки сітка комірка щільність точок відношення сусідства аграрні ресурси природні ландшафти лісові ресурси clustering algorithm satellite space images grid cell point density neighborhood ratio agrarian resources natural landscapes forest resources Kuzmin, Anatolii V. Grekov, Leonid D. Kuzmina, Nataliia M. Petrov, Oleksii A. Medvedenko, Olena M. Сomputational procedures for thematic processing of space imagery for agricultural resources monitoring (part 2) |
| topic_facet |
алгоритм кластеризації супутникові космічні знімки сітка комірка щільність точок відношення сусідства аграрні ресурси природні ландшафти лісові ресурси clustering algorithm satellite space images grid cell point density neighborhood ratio agrarian resources natural landscapes forest resources |
| format |
Article |
| author |
Kuzmin, Anatolii V. Grekov, Leonid D. Kuzmina, Nataliia M. Petrov, Oleksii A. Medvedenko, Olena M. |
| author_facet |
Kuzmin, Anatolii V. Grekov, Leonid D. Kuzmina, Nataliia M. Petrov, Oleksii A. Medvedenko, Olena M. |
| author_sort |
Kuzmin, Anatolii V. |
| title |
Сomputational procedures for thematic processing of space imagery for agricultural resources monitoring (part 2) |
| title_short |
Сomputational procedures for thematic processing of space imagery for agricultural resources monitoring (part 2) |
| title_full |
Сomputational procedures for thematic processing of space imagery for agricultural resources monitoring (part 2) |
| title_fullStr |
Сomputational procedures for thematic processing of space imagery for agricultural resources monitoring (part 2) |
| title_full_unstemmed |
Сomputational procedures for thematic processing of space imagery for agricultural resources monitoring (part 2) |
| title_sort |
сomputational procedures for thematic processing of space imagery for agricultural resources monitoring (part 2) |
| title_alt |
Обчислювальні процедури тематичної обробки космічних знімків в інтересах моніторингу аграрних ресурсів (частина 2) |
| description |
The universal fast algorithm of cluster analysis is considered. The proposed algorithm is a grid type, it uses the point density parameter in the grid cell and the ratio between neighborhoods to unite of neighboring dense cells into clusters.The algorithm sequentially calculates for each point the number of the cell to which it belongs, then generates groups of points for each non-empty cell. Then it sequentially unites cells into clusters, starting the process of fusion of the densest cells.The next cell is included in some cluster if at least one cell neighbor already belongs to the cluster. If the neighbors of the cell do not belong to any formed cluster, then the cell forms a new cluster. If the neighbors of the cell belong to several existing clusters, the respective clusters are merged into a new cluster.Combining cells into clusters uniquely determines the distribution of multiple points between the clusters. The user must specify a grid step parameter and a minimum grid cell density for which the cluster joining process is not performed. Low-density cells are considered noise.The algorithm does not require a preliminary task of the number of clusters and information about the nature of the distribution of points in the input set.The proposed algorithm can be used to process large arrays of point data of large spatial resolution. The most promising area of application of the algorithm is the analysis of multispectral satellite images of medium and high resolution in the fields of the analysis of the state of agricultural resources, forest resources and various natural landscapes. The result of clustering the space image data can also be used to create a classifier's training set. |
| publisher |
Kyiv National University of Construction and Architecture |
| publishDate |
2020 |
| url |
https://es-journal.in.ua/article/view/199705 |
| work_keys_str_mv |
AT kuzminanatoliiv somputationalproceduresforthematicprocessingofspaceimageryforagriculturalresourcesmonitoringpart2 AT grekovleonidd somputationalproceduresforthematicprocessingofspaceimageryforagriculturalresourcesmonitoringpart2 AT kuzminanataliiam somputationalproceduresforthematicprocessingofspaceimageryforagriculturalresourcesmonitoringpart2 AT petrovoleksiia somputationalproceduresforthematicprocessingofspaceimageryforagriculturalresourcesmonitoringpart2 AT medvedenkoolenam somputationalproceduresforthematicprocessingofspaceimageryforagriculturalresourcesmonitoringpart2 AT kuzminanatoliiv občislûvalʹníproceduritematičnoíobrobkikosmíčnihznímkívvínteresahmonítoringuagrarnihresursívčastina2 AT grekovleonidd občislûvalʹníproceduritematičnoíobrobkikosmíčnihznímkívvínteresahmonítoringuagrarnihresursívčastina2 AT kuzminanataliiam občislûvalʹníproceduritematičnoíobrobkikosmíčnihznímkívvínteresahmonítoringuagrarnihresursívčastina2 AT petrovoleksiia občislûvalʹníproceduritematičnoíobrobkikosmíčnihznímkívvínteresahmonítoringuagrarnihresursívčastina2 AT medvedenkoolenam občislûvalʹníproceduritematičnoíobrobkikosmíčnihznímkívvínteresahmonítoringuagrarnihresursívčastina2 |
| first_indexed |
2024-04-21T19:46:25Z |
| last_indexed |
2024-04-21T19:46:25Z |
| _version_ |
1796974875249737728 |
| spelling |
es-journalinua-article-1997052020-09-29T10:56:27Z Сomputational procedures for thematic processing of space imagery for agricultural resources monitoring (part 2) Обчислювальні процедури тематичної обробки космічних знімків в інтересах моніторингу аграрних ресурсів (частина 2) Kuzmin, Anatolii V. Grekov, Leonid D. Kuzmina, Nataliia M. Petrov, Oleksii A. Medvedenko, Olena M. алгоритм кластеризації супутникові космічні знімки сітка комірка щільність точок відношення сусідства аграрні ресурси природні ландшафти лісові ресурси clustering algorithm satellite space images grid cell point density neighborhood ratio agrarian resources natural landscapes forest resources The universal fast algorithm of cluster analysis is considered. The proposed algorithm is a grid type, it uses the point density parameter in the grid cell and the ratio between neighborhoods to unite of neighboring dense cells into clusters.The algorithm sequentially calculates for each point the number of the cell to which it belongs, then generates groups of points for each non-empty cell. Then it sequentially unites cells into clusters, starting the process of fusion of the densest cells.The next cell is included in some cluster if at least one cell neighbor already belongs to the cluster. If the neighbors of the cell do not belong to any formed cluster, then the cell forms a new cluster. If the neighbors of the cell belong to several existing clusters, the respective clusters are merged into a new cluster.Combining cells into clusters uniquely determines the distribution of multiple points between the clusters. The user must specify a grid step parameter and a minimum grid cell density for which the cluster joining process is not performed. Low-density cells are considered noise.The algorithm does not require a preliminary task of the number of clusters and information about the nature of the distribution of points in the input set.The proposed algorithm can be used to process large arrays of point data of large spatial resolution. The most promising area of application of the algorithm is the analysis of multispectral satellite images of medium and high resolution in the fields of the analysis of the state of agricultural resources, forest resources and various natural landscapes. The result of clustering the space image data can also be used to create a classifier's training set. Розглядається універсальний швидкий алгоритм кластерного аналізу. Запропонований алгоритм відноситься до сіткового типу, використовує параметр щільності точок в комірці сітки і відношення сусідства для об'єднання сусідніх щільних комірок в кластери. Алгоритм послідовно обчислює для кожної точки номер комірки, якій вона належить, потім формує групи точок для кожної непорожньої комірки. Далі послідовно об’єднує комірки в кластери, починаючи процес об’єднання з найбільш щільних комірок. Чергова комірка включається в деякий кластер, якщо хоча б один сусід комірки вже належить кластеру. Якщо сусіди комірки не належать жодному утвореному кластеру, то комірка утворює новий кластер. У випадку коли сусіди комірки належать зразу декільком існуючим кластерам, відповідні кластери об’єднуються у новий кластер.Об’єднання комірок в кластери однозначно визначає розподіл по кластерах множини точок. Для роботи алгоритму користувачу треба задавати параметр кроку сітки та мінімальну щільність комірок сітки, для яких процес приєднання до кластерів не здійснюється. Комірки з малою щільністю вважаються шумом.Алгоритм не вимагає попереднього завдання кількості кластерів і інформації про характер розподілу точок вхідної множини.Запропонований алгоритм може використовуватися для обробки великих масивів точкових даних великої просторової розмірності. Найбільш перспективним напрямком застосування алгоритму є аналіз мультиспектральних супутникових знімків середньої та високої розподільчої здатності в інтересах аналізу стану агроресурсів, лісових ресурсів та різноманітних природних ландшафтів. Результат кластеризації даних космічного знімку може також використовуватись для створення навчальної множини класифікатора. Kyiv National University of Construction and Architecture 2020-03-30 Article Article application/pdf https://es-journal.in.ua/article/view/199705 10.32347/2411-4049.2020.1.87-94 Environmental safety and natural resources; Vol. 33 No. 1 (2020): Environmental safety and natural resources; 87-94 Екологічна безпека та природокористування; Том 33 № 1 (2020): Екологічна безпека та природокористування; 87-94 2616-2121 2411-4049 10.32347/2411-4049.2020.1 uk https://es-journal.in.ua/article/view/199705/199904 Авторське право (c) 2020 Anatolii V. Kuzmin, Leonid D. Grekov, Nataliia M. Kuzmina, Oleksii A. Petrov, Olena M. Medvedenko https://creativecommons.org/licenses/by/4.0 |