所开发的算法是能够准确地解调查数据的地球表面 Bashny.Net

每种类型的论在地球上有一个独特的光谱"签名"的定义不仅通过分子形式，而且位置的化学品债券持有该个人的原子分子在一起。 人眼只能看到一部分的这个签名，这是我们所认为的颜色。 可见光的范围内只有一小部分的整个范围的电磁波，可见光、携带很少信息的对象，其结构和化学成分。 但是，在世界上有更好的工具，比人类的眼睛。 这些工具称为高光谱传感器，并使他们能够得到相当大量的信息有关的目的，抓住他们的视野。

通常这些超光谱传感器安装在飞机和人造卫星来进行详细的调查的地球表面的。 但是，收集的数据超光谱传感器，具有很大的困难，适应的数学处理即使是最强大的计算机用于处理需要，分析方法的形态识别，例如那些工作在我们的大脑。



主要的问题是，超光谱传感器工作非常，非常好。 即使在那些地方，在普通灯有相同的颜色，数据是从这些传感器可能相差几百和成千上万的单位。 从数学角度来看，它使每一像素的独特的处理计算机，这个问题称为Hughes影响，而且，直到最近，防止广泛使用的高光谱传感器的扩大提供人与知识有关我们的星球。

现有的算法处理超光谱数据可以相结合的类似价值的象素成组根据有关的数据之间的距离这些像素。 在某些情况下，例如，在确定的类型植被面，这样的算法得到相当好的结果，但也有这种变其中的算法是所谓的"聚类"不会带来任何结果。 根据一个标准算法的"聚类"，一组研究人员来自中国和美国，它补充技术的使用的样品，这是公认的根据每个群集的像素。



在第二，这些图像可以看到结果的新算法。 其结果是一个空间拍摄的领土帕维亚大学在意大利。 在第一阶段的第一部分算法划分每一个图像的群集的对应部分的表面一定的角色。 然后，只有15个样品，软件能够准确地分析整个表面上的对象，使更多或更少的详细地图的地方。 良好的结果相结合的方法显示在图片农用土地，种植各种作物。 顺便说一下，这些图像，传统的聚类的算法拒绝的正常工作，而是使用的样本已启用的程序，以地图形，精度达到50至80%。

建立一个可靠的处理算法的超光谱数据将允许在不久的将来组织一个半自动控制，如果不对所有，对于一些区域的地球表面。 和数据的这种控制将是非常有益的人的各种专业，从设计师、建筑和结束与生物学家、生态学家和其他科学家参与追踪变化的环境。

资料来源：www.dailytechinfo.org