Виявлення факторів, що мають негативний вплив на зростання сільськогосподарських культур методами ортогональних перетворень

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2022.257431

Ключові слова:

обробка зображень, аерокосмічні знімки, НВІР, КСЯ, ортогональні перетворення, концептуальна модель

Анотація

Робота присвячена методам аналізу аерокосмічних знімків. Розглянуто аерокосмічні знімки для вивчення сільськогосподарських культур Північного Казахстану, що належать Науково-виробничому центру зернового господарства ім. А. І. Бараєва. Основною метою дослідження є розробка та реалізація алгоритмів, що дозволяють виявляти та виділяти на аерокосмічних знімках фактори, що мають негативний вплив на зростання сільськогосподарських культур протягом вегетаційного періоду. Для вирішення задачі використовуються коефіцієнт спектральної яскравості (КСЯ), НВІР, кластеризація, ортогональні перетворення. Особливу увагу приділено розробці програмних засобів для відбору характеристик, що описують текстурні відмінності для сегментації текстурних областей на підобласті. Тобто досліджувалося питання щодо застосовності наборів текстурних ознак та ортогональних перетворень при аналізі експериментальних даних для виявлення на аерокосмічних знімках характерних ділянок, які в майбутньому можуть бути пов'язані з бур'янами, шкідниками тощо. Питання обробки зображень сигналів залишаються у центрі уваги різних фахівців. Зображення виступають в якості як результату, так і об'єкта дослідження в фізиці, астронавтиці, метеорології, судовій медицині та багатьох інших областях науки і техніки. Крім того, системи обробки зображень в даний час використовуються для вирішення багатьох прикладних задач.

У середовищі MATLAB реалізована програма, що дозволяє виконувати спектральні перетворення шести типів: 1) косинусне; 2) Адамара 2n порядку; 3) Адамара n=p+1 порядку, p≡3 (mod4); 4) Хаара; 5) похиле; 6) Добеши 4.

Аналіз отриманих даних дозволив виявити особливості зміни відбивної здатності сільськогосподарських культур та бур'янів у певні періоди вегетації. Отримані дані мають велике значення для підтвердження результатів дистанційних космічних спостережень за аерокосмічними знімками

Біографії авторів

Moldir Yessenova, L. N. Gumilyov Eurasian National University

Doctoral Student

Department of Information Systems

Gulzira Abdikerimova, L. N. Gumilyov Eurasian National University

PhD

Department of Information Systems

Aknur Adilova, M. Kh. Dulaty Taraz Regional University

Teacher

Department of Information Systems

Akbota Yerzhanova, S. Seifullin Kazakh Agrotechnical University

Teacher

Department of Technological Machines and Equipment

Nurbol Kakabayev, Ualikhanov University

Doktor PhD, Аssociate Professor

Department of Engineering Technology and Transport

Talgatbek Ayazbaev, International Taraz Innovative Institute

Candidate of Physiko-Mathematical Sciences, Associate Professor

Department of Information and Communication Technologies

Zeinigul Sattybaeva, Ualikhanov University

Аssociate Professor

Department of Agriculture of Bioresources

Tleugaisha Ospanova, L. N. Gumilyov Eurasian National University

Candidate of Technical Sciences

Department of Information Systems

Посилання

  1. Haralick, R. M. (1979). Statistical and structural approaches to texture. Proceedings of the IEEE, 67 (5), 786–804. doi: https://doi.org/10.1109/proc.1979.11328
  2. Feodor, M., Natalya, R. (2017). Analysis of noise stability of strip-transformation. Bulletin of the Novosibirsk Computing Center. Series: Computing Science, 41. doi: https://doi.org/10.31144/bncc.cs.2542-1972.2017.n41.p41-54
  3. Xiao, B., Lu, G., Zhang, Y., Li, W., Wang, G. (2016). Lossless image compression based on integer Discrete Tchebichef Transform. Neurocomputing, 214, 587–593. doi: https://doi.org/10.1016/j.neucom.2016.06.050
  4. Rao, K. R., Yip, P. (1990). Discrete cosine transform: algorithms, advantages, applications. Academic Press. doi: https://doi.org/10.1016/c2009-0-22279-3
  5. Kostrov, B. V., Grigorenko, D. V., Ruchkin, V. N., Fulin, V. A. (2016). Theoretical aspects of aerospace image processing in quasi two-dimensional spectral space. MATEC Web of Conferences, 75, 03006. doi: https://doi.org/10.1051/matecconf/20167503006
  6. Abdikerimova, G. B., Murzin, F. A., Bychkov, A. L., Wei, X., Ryabchikova, E. I., Ayazbayev, T. (2019). The analysis of textural images on the basis of orthogonal transformations. Journal of Theoretical and Applied Information Technology, 97 (1), 15–22.
  7. Rashmi, S., Mandar, S. (2011). Textural Feature Based Image Classification Using Artificial Neural Network. Advances in Computing, Communication and Control, 62–69. doi: https://doi.org/10.1007/978-3-642-18440-6_8
  8. Sidorova, V. S. (2012). Hierarchical cluster algorithm for remote sensing data of earth. Pattern Recognition and Image Analysis, 22 (2), 373–379. doi: https://doi.org/10.1134/s1054661812020149
  9. Chaban, L. N., Berezina, K. V. (2018). Analiz informativnosti spektral'nykh i teksturnykh priznakov pri klassifikatsii rastitel'nosti po giperspektral'nym aerosnimkam. Geodeziya i aerofotosemka, 62 (1), 85–95.
  10. Umarani, C., Ganesan, L., Radhakrishnan, S. (2008). Combined statistical and structural approach for unsupervised texture classification. International Journal of Imaging and Engineering, 2 (1), 162–165. Available at: https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.329.4239&rep=rep1&type=pdf
  11. Galerne, B., Gousseau, Y., Morel, J.-M. (2011). Random Phase Textures: Theory and Synthesis. IEEE Transactions on Image Processing, 20 (1), 257–267. doi: https://doi.org/10.1109/tip.2010.2052822
  12. Costa, A. F., Humpire-Mamani, G., Traina, A. J. M. (2012). An Efficient Algorithm for Fractal Analysis of Textures. 2012 25th SIBGRAPI Conference on Graphics, Patterns and Images. doi: https://doi.org/10.1109/sibgrapi.2012.15
  13. Salomon, D. (2004). Compression of data, images and sound. Moscow: Technosphere, 368.
  14. Vilenkin, N. Y. (1971). Combinatorics. Academic Press. doi: https://doi.org/10.1016/c2013-0-11655-8
  15. Paley, R. E. A. C. (1933). On Orthogonal Matrices. Journal of Mathematics and Physics, 12 (1-4), 311–320. doi: https://doi.org/10.1002/sapm1933121311
  16. Lachowicz, P. (2015). Walsh–Hadamard Transform and Tests for Randomness of Financial Return-Series. Quant At Risk. Available at: https://quantatrisk.com/2015/04/07/walsh-hadamard-transform-python-tests-for-randomness-of-financial-return-series/
  17. Yorke, B. A., Beddard, G. S., Owen, R. L., Pearson, A. R. (2014). Time-resolved crystallography using the Hadamard transform. Nature Methods, 11 (11), 1131–1134. doi: https://doi.org/10.1038/nmeth.3139
  18. Lu, Y., Desmedt, Y. (2015). Walsh transforms and cryptographic applications in bias computing. Cryptography and Communications, 8 (3), 435–453. doi: https://doi.org/10.1007/s12095-015-0155-4
  19. Seberry, J., Balonin, N. A. (2017). Two infinite families of symmetric Hadamard matrices. Faculty of Engineering and Information Sciences - Papers: Part B. 782. Available at: https://ro.uow.edu.au/cgi/viewcontent.cgi?article=1783&context=eispapers1
  20. Slomczynski, W., Szczepanek, A. (2017). Quantum Dynamical Entropy, Chaotic Unitaries and Complex Hadamard Matrices. IEEE Transactions on Information Theory, 63 (12), 7821–7831. doi: https://doi.org/10.1109/tit.2017.2751507
  21. Balasubramanian, K. (2021). Combinatorics, Big Data, Neural Network & AI for Medicinal Chemistry & Drug Administration. Letters in Drug Design & Discovery, 18 (10), 943–948. doi: https://doi.org/10.2174/1570180818666210719130052
  22. Abdikerimova, G., Bychkov, A., Xin, Y. W., Murzin, F. et. al. (2016). Algorithms and software for the analysis of disordering the structure of cellular walls. Bulletin of the Novosibirsk Computing Center. Series:Computer Science, (40). doi: https://doi.org/10.31144/bncc.cs.2542-1972.2016.n40.p1-14
  23. Osadchiy, A., Kamenev, A., Saharov, V., Chernyi, S. (2021). Signal Processing Algorithm Based on Discrete Wavelet Transform. Designs, 5 (3), 41. doi: https://doi.org/10.3390/designs5030041
  24. Abdiakhmetova, Z. M. (2017). Wavelet data processing in the problems of allocation in recovery well logging. Journal of Theoretical and Applied Information Technology, 95 (5), 1041. Available at: https://www.kaznu.kz/content/files/news/folder23320/2017%20%D0%A1%D0%BA%D0%BE%D0%BF%D1%83%D1%81%207Vol95No5.pdf
  25. Borisova, D., Kazaryan, M., Shakhramanyan, M., Nedkov, R., Richter, A., Stankova, N. (2017). Research of generalized wavelet transformations of Haar correctness in remote sensing of the Earth. Image and Signal Processing for Remote Sensing XXIII. doi: https://doi.org/10.1117/12.2278572

##submission.downloads##

Опубліковано

2022-06-30

Як цитувати

Yessenova, M., Abdikerimova, G., Adilova, A., Yerzhanova, A., Kakabayev, N., Ayazbaev, T., Sattybaeva, Z., & Ospanova, T. (2022). Виявлення факторів, що мають негативний вплив на зростання сільськогосподарських культур методами ортогональних перетворень . Eastern-European Journal of Enterprise Technologies, 3(2 (117), 39–47. https://doi.org/10.15587/1729-4061.2022.257431

Номер

Том 3 № 2 (117) (2022): Інформаційні технології. Системи управління в промисловості

Розділ

Інформаційні технології

Ліцензія

Авторське право (c) 2022 Moldir Yessenova, Gulzira Abdikerimova, Aknur Adilova, Akbota Yerzhanova, Nurbol Kakabayev, Talgatbek Ayazbaev, Zeinigul Sattybaeva, Tleugaisha Ospanova

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.