53, № 2 УДК 004.93 НЕЙРОСЕТЕВАЯ КЛАССИФИКАЦИЯ ГИПЕРСПЕКТРАЛЬНЫХ ИЗОБРАЖЕНИЙ НА ОСНОВЕ ПРЕОБРАЗОВАНИЯ ГИЛЬБЕРТА — ХУАНГА Е. С. <...> Нежевенко, А. С. Феоктистов, О.Ю. Дашевский Институт автоматики и электрометрии СО РАН, 630090, г. Новосибирск, просп. <...> Академика Коптюга, 1 E-mail: nejevenko@iae.nsk.su Метод классификации изображения с предварительной трансформацией его к главным компонентам и использованием преобразования Гильберта — Хуанга исследуется на примере нейросетевой классификации гиперспектрального изображения. <...> Показана эффективность метода путём сравнения с традиционными методами нейросетевой классификации при использовании в качестве признаков спектральных компонент и главных компонент без привлечения пространственной информации. <...> Для классификации применяются нейронные радиально-базисные и комплексные сети. <...> Ключевые слова: классификация, гиперспектральное изображение, преобразование Гильберта — Хуанга, главные компоненты, комплексные нейронные сети. <...> Гиперспектральная съёмка — перспективный метод дистанционного зондирования Земли. <...> Каждому пикселу гиперспектрального изображения (ГСИ) соответствует вектор, компоненты которого есть значения отражения или излучения света в очень узком участке спектра. <...> Анализируя пикселы, необходимо определить, к какому классу относится тот или иной участок изображения. <...> Для этого формируются так называемые зоны интереса, т. е. участки, где тем или иным способом (наиболее предпочтительно маршрутной съёмкой) установлен класс. <...> . Затем каждая зона интереса разбивается на две выборки: обучающую и тестовую. <...> С помощью обучающей выборки настраивается алгоритм классификации, а с помощью тестовой проверяется его эффективность. <...> В качестве первичных признаков можно брать компоненты вектора пиксела ГСИ. <...> Во многих работах, например [1], показано, что наиболее эффективным методом сокращения пространства признаков является метод главных компонент (ГК), т. е. преобразование <...>