Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "klasyfikacja" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 42
Tytuł:
Porównanie wyników klasyfikacji obrazów satelitarnych HYPERION i ALI
Comparison of HYPERION and ALI satellite imagery classification
Autorzy:
Hejmanowska, B.
Powiązania:
https://bibliotekanauki.pl/articles/130788.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
klasyfikacja obrazu
HYPERION
ALI
image classification
Opis:
Celem przeprowadzonych badan było porównanie wyników klasyfikacji obrazów satelitarnych - hiperspektralnych: HYPERION i wielospektralnych: ALI, zarejestrowanych w zakresach spektralnych podobnych do obrazu: LANDSAT. Testy prowadzono na obszarze leżącym na wschód od aglomeracji krakowskiej, dla którego dysponowano obrazami z platformy EO – 1 zarejestrowanymi w 2006 roku, dzięki projektowi KBN (nr 3T 09D 09429). W badaniach wykorzystano oprogramowanie specjalistyczne (ENVI 4.1) dedykowane opracowaniom danych teletedetekcyjnych. Obrazy HYPERION zostały wstępnie przetworzone w celu usunięcia zakłóceń spowodowanych wpływem atmosfery i tzw. efektem „smiling”. Klasyfikacje przeprowadzono tylko metodami tradycyjnie wykorzystywanymi w przetwarzaniu obrazów wielospektralnych, czyli za pomocą klasyfikacji nienadzorowanej i nadzorowanej. Założenie metodyczne porównania wyników klasyfikacji polegało na wykorzystaniu dla obu obrazów tych samych uczących pól treningowych i podobnych pól kontrolnych wykorzystywanych do oceny dokładności. Ponadto wszystkie parametry zastosowanych algorytmów były równie_ identyczne dla obu obrazów. Pola treningowe i testowe wybierano manualnie z wykorzystaniem kompozycji barwnych. W trakcie prowadzenia testów zaistniała konieczność zredukowania liczby analizowanych kanałów obrazu HYPERION, ponieważ w przeciwnym razie nie uzyskiwano zadawalających wyników klasyfikacji. W takim przypadku dokładność klasyfikacji obrazu HYPERION była wyższa ni_ dokładność klasyfikacji obrazu ALI. Natomiast wynik klasyfikacji wszystkich kanałów obrazu HYPERION albo w ogóle był nie do zaakceptowania, albo wynik klasyfikacji był znacznie gorszy ni_ w przypadku ALI i ograniczonej liczby kanałów HYPERION.
The main aim of the research was to compare the results of satellite image classification: HYPERION and ALI, recorded in a spectral range similar to LANDSAT. Analyses were performed using the test area to the east of Krakow. Satellite iamges were obtained in 2006 thanks to scientific project KBN (no. 3T 09D 09429). The image processed with ENVI. HYPERION was initially preprocessed to remove so-called atmospheric effects, and so-called “similing” effect. The classification was performed using conventional spectral methods: unsupervised and supervised classification. The background of the comparison was applied in the same training and control area, and the same parameters of classification. Training and control areas ware selected using colour compositions. In the research, a need to reduce the amount of HYPERION channels emerged, otherwise the classification results would not be possible to interpret. In such case, the accuracy of HYPERION channel reduction classification was higher than that of ALI. The result of classification of all HYPERION image channels, however, was either completely unacceptable, or the classification result was much worse than in the case of ALI and limited number of HYPERION channels.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2007, 17a; 291-300
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ocena możliwości wykorzystania tekstury w rozpoznaniu podstawowych klas pokrycia terenu na zdjęciach satelitarnych różnej rozdzielczości
Evaluation of usability of texture in identifying basic land cover classes on the satellite images of different resolutions
Autorzy:
Lewiński, S.
Aleksandrowicz, S.
Powiązania:
https://bibliotekanauki.pl/articles/130790.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
klasyfikacja obiektowa
OBIA
tekstura
object-oriented classification
texture
Opis:
Podjęto próbę prześledzenia możliwości podziału treści zdjęcia, stosowanego w klasyfikacji obiektowej, na dwie podstawowe klasy związane z „niskimi” i „wysokimi” wartościami tekstury w funkcji rożnej rozdzielczości zdjęć. Na podstawie kanału panchromatycznego zdjęcia KOMPSAT-2 o rozdzielczości 1 m przygotowano zestaw danych o rozdzielczości 1, 2, 4, 8, 16, 32 i 64 m. Następnie przetworzono je wybranymi funkcjami tekstury, które wykorzystywane są w toku klasyfikacji obiektowej: filtr Sobel, filtr Laplacian, suma filtrów Sigma, przekształcenie PanBF oraz funkcje Haralick’a: korelacja, homogeniczność i entropia. Na ich podstawie wykonano analizę rozróżnialności czterech podstawowych klas pokrycia terenu: tereny zabudowane, lasy, pola uprawne i woda. Dla każdej rozdzielczości i przekształcenia obliczono odległość Bhattacharya oraz odległość Jeffries-Matusita (J-M). Założono, że dwie klasy są dobrze rozróżnialne jeżeli wartość J-M jest większa od 1.7. Uzyskane wyniki w postaci odległości J-M przedstawione są w tabelach 1-7. W przypadku wszystkich siedmiu przekształceń najlepsze wyniki rozróżnialności klas zaobserwowano na zdjęciach o największej rozdzielczości. Natomiast wyraźne pogorszenie rozróżnialności nastąpiło w przypadku zdjęć o rozdzielczości 8 m i mniejszej. Zdecydowanie najlepsze wyniki uzyskano na podstawie przekształceń wykonanych filtrem Laplacian, a następnie Sobel, Sigma oraz przekształceniem PanBF. W porównaniu z nimi przydatność funkcji Haralick’a do podziału treści zdjęcia na dwie klasy tekstury okazała się zdecydowanie mniejsza. Przedstawione wyniki znajdują praktyczne zastosowanie w pracach nad doborem odpowiednich algorytmów klasyfikacyjnych zdjęć satelitarnych o bardzo wysokiej, wysokiej a także średniej rozdzielczości.
An attempt was made to trace the possibility of division of the content of satellite images into two basic classes associated with the "low" and "high" values of the texture. This classification approach is applied during object-oriented classification and results are dependent on spatial resolution. On the basis of panchromatic channel of KOMPSAT-2 image of 1m resolution a data set with a resolution of 1, 2, 4, 8, 16, 32 and 64 m were prepared. Then images were processed using selected texture functions: Sobel, Laplacian and Sigma filters, transformation PanBF as well as Haralick functions: correlation, homogeneity and entropy. On the basis of texture images an analysis of discrimination of four basic land cover classes has been done: built-up areas, forests, agriculture areas and water. These classes were selected because built-up areas and forest belong to “high” texture and remaining two are usually represented by “low” values of texture. For each texture image form using different functions and spatial resolution, Bhattacharya distance and next Jeffries-Matusita (J-M) distance between land cover classes were calculated. Results are presented in tables 1, 2, 3, 4, 5, 6 and 7. They also include J-M distance between “low” and “high” texture. It was assumed that two classes are well seperated if the value of J-M distance is over 1.7. In the case of all seven texture transformations the best results of class discrimination were observed for images with the highest resolution. Distinct deterioration of discrimination between “low” and “high” texture took place in the case of images with a resolution of 8 m or less. By far the highest J-M values were obtained on the basis of Laplacian filter and next using Sigma filter, PanBF and the Sobel filter. In comparison usefulness of the Haralick function has proved much less. The presented results could be practically applied in the work on classification algorithms of very high, high and medium resolution satellite images.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 23; 229-237
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Integracja obrazów radarowych i optycznych dla potrzeb tworzenia map pokrycia terenu
Integration of radar and optical data for land cover mapping
Autorzy:
Badurska, M.
Powiązania:
https://bibliotekanauki.pl/articles/130708.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
klasyfikacja
integracja danych
SAR
tekstura
classification
data fusion
texture
Opis:
Analizując wady i zalety danych pochodzących z różnych sensorów można stwierdzić, że dostarczane przez nie dane mogą okazać się często niekompletne lub niewystarczające. Dla danych optycznych ograniczeniem może okazać sie rejestracja w trudnych warunkach atmosferycznych, dla danych radarowych niewystarczająca rozdzielczość lub występowanie szumów radarowych. Biorąc pod uwagę te wszystkie czynniki, szczególnie interesujące wydaje sie być łączenie obrazów pochodzących z różnych źródeł i ich wspólne wykorzystanie. Korzyści płynące z integracji obrazów radarowych z optycznymi sprawdzono pod katem możliwości polepszenia wyników klasyfikacji obszarów miejskich. Próbowano odpowiedzieć na pytanie, w jakim stopniu dane radarowe mogą polepszyć wynik klasyfikacji i czy mogą być one alternatywnym źródłem w przypadku braku danych optycznych. Nie skupiono sie na samych technikach klasyfikacji, wykorzystano standardowe klasyfikatory w podejściu nadzorowanym. Zwrócono jednak uwagę na dynamicznie rozwijającą sie w ostatnim czasie klasyfikacje obiektowa i podjęto próbę porównania jej wyników z klasyczna klasyfikacja oparta na pikselach. Ponieważ w przypadku danych radarowych bardzo cennym źródłem informacji jest tekstura, to jej wykorzystaniu poświęcono główna część prac. W rezultacie, zastosowanie odpowiednio dobranych miar teksturalnych z tzw. macierzy zdarzeń (ang. Grey Level Co-occurence Matrix - GLCM) spowodowało wzrost dokładności wspólnej klasyfikacji w porównaniu do klasyfikacji uzyskanej dla poszczególnych sensorów.
While analysing the advantages and drawbacks of data coming from different sensors , it can be observed that acquired data can be often incomplete or insufficient. Registration in difficult atmospheric conditions can be the limitation factor for optical data, whereas for the radar data it can be the insufficient resolution or occurring speckle effect. Taking into consideration all these factors, the integration of images from various sources and using them jointly seem to be very interesting. The benefits resulting from the integration of radar and optical images were checked for possible improvement of the results of classification of urban areas. The question is how radar images can improve the result of classification and whether they can be the alternative source in case of lack of optical images. The analysis of various techniques of classification was not the main concern, but the standard classification in supervised approach was used. The attention was also drawn to the objectbased classification developing very dynamically recently, and attempt was made to compare the results of pixel and object-based classification. Due to the fact that, for the radar data, the most important source of information is the texture, that was the main focus of the work. . Consequently, the use of suitably selected textural features from co-occurrence matrix (Grey Level Co-occurrence Matrix – GLMC) caused the increase of accuracy of joint classification, as compared to classification of images from individual sensors.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2007, 17a; 11-21
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie technik geomatycznych w opracowywaniu map pokrycia i użytkowania terenu dla obszarów zrekultywowanych
The use of geo-technologies for land use mapping on reclaimed areas
Autorzy:
Szostak, M.
Nowicka, M.
Powiązania:
https://bibliotekanauki.pl/articles/129940.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
rekultywacja
ortofotomapa
klasyfikacja nadzorowana
Landsat
recultivation
ortophotomap
object-based classification
Opis:
The aim of this study was to investigate the possible use of geotechniques and generally available geodata for mapping land cover on reclaimed areas . The choice of subject was dictated by the growing number of such areas and the related problem of restoring their value. The validity of the use of modern technology, including GIS, photogrammetry and remote sensing, was determined, especially for the land cover classes mapping that are relevant in assessing the effects of reclamation and analyzes of the changes taking place on such sites. The study was performed for dump site of the Sulphur Mine "Machów", which is an example of the reclaimed area, located in the Tarnobrzeski district. The research materials consisted of aerial orthophotos, which were the basis of on-screen vectorization of land cover classes; Landsat satellite images, which were used in the pixel based classification; and the CORINE Land Cover database as a general reference to the global maps of land cover and land use. The site was characterized by relatively large mosaic of landscape which is typical for reclaimed areas. Due to this fact, high resolution aerial photos were most suitable for the land cover mapping, allowing distinguishing highest number of land cover classes. The process was also successfully automated with the means of pixel-based image classification on the satellite images. This resulted also in the subjectivity of the operator and time costs. The efford made to develop land cover classes, supported with thorough knowledge of the operator, is important for the proper evaluation of the reclamation process.
Celem pracy było zbadanie możliwości wykorzystania technik geoinformatycznych i ogólnie dostępnych geodanych dla opracowywania map pokrycia (użytkowania) terenu obszarów zrekultywowanych. Wybór tematu był podyktowany rosnącą liczbą takich obszarów i częstym problemem przywrócenia lub nadania gruntom poprzemysłowym wartości użytkowych (wykonanie rekultywacji). Określano zasadność wykorzystania nowoczesnych technologii GIS oraz materiałów geodezyjnych dla wyznaczenia granic klas pokrycia terenu, istotnych w ocenie efektów rekultywacji oraz analizach zmian zachodzących na tego rodzaju obiektach. Badania wykonano dla zwałowiska zewnętrznego Kopalni Siarki "Machów", zlokalizowanego na terenie powiatu tarnobrzeskiego, będącego przykładem obszaru zrekultywowanego. Podstawowymi materiałami badawczymi były ortofotomapy lotnicze, na postawie których wykonano wektoryzację ekranową klas pokrycia terenu; zobrazowania satelitarne Landsat, które posłużyły do przeprowadzenia klasyfikacji pikselowej oraz dane programu CORINE Land Cover, jako ogólne odniesienie do globalnych map pokrycia i użytkowania terenu. Zwałowisko Kopalni „Machów” charakteryzowała stosunkowo duża mozaikowatość krajobrazu (często występująca na terenach rekultywowanych), więc właściwą przydatnością do sporządzania map pokrycia terenu charakteryzowały się wysokorozdzielcze ortofotomapy lotnicze, umożliwiające wyodrębnienie największej liczby klas pokrycia terenu. Dla zautomatyzowania procesu wyznaczania granic pokrycia terenu testowano, metodę klasyfikacji nadzorowanej zobrazowań satelitarnych. (najlepsze efekty uzyskano z użyciem w klasyfikacji algorytmu największego prawdopodobieństwa). Pozwoliła ona na zmniejszenie subiektywizmu i czasu pracy operatora Staranie wykonane opracowanie kategorii pokrycia terenu, poparte gruntowną wiedzą fotointerpretatora na temat przyjętych kierunków rekultywacji oraz czasu jej rozpoczęcia i zakończenia, wykonane na materiałach geodezyjnych odpowiedniej rozdzielczości jest istotne, gdyż jest podstawą dla właściwej oceny przeprowadzonej rekultywacji.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2013, 25; 203-216
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Struktura lasów okolic Warszawy na podstawie zdjęć satelitarnych i lotniczych
Analyzing structure of forests near Warsaw on the basis of satellite imagery and aerial photographs
Autorzy:
Wrzesień, M.
Powiązania:
https://bibliotekanauki.pl/articles/130850.pdf
Data publikacji:
2003
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
struktura lasu
klasyfikacja
wskaźniki ekologiczne
forest structure
classification
ecological indices
Opis:
Celem pracy było zweryfikowanie klasyfikacji nadzorowanej jako metody badania struktury gatunkowej i wiekowej drzewostanów w Rezerwacie Sieraków, Uroczysku Chojnów i Lesie Kabackim oraz ocena wykorzystanych materiałów. Ponadto zbadanie struktury kompleksów leśnych za pomocą wskaźników z ekologii krajobrazu. Do klasyfikacji, która była podstawową wykorzystywaną metodą, wzięto pod uwagę dwa trzykanałowe zestawy (TM2, TM3, TM4 oraz TM3, TM4, TM5) oraz pojedynczy kanał TM4. Określono klasy możliwe do wydzielenia na obrazach satelitarnych i na zdjęciach lotniczych. Dokonano wyboru pól treningowych i określono sygnatury spektralne poszczególnych gatunków i klas wieku. Wykonano klasyfikację nadzorowaną, korzystając z reguły największego prawdopodobieństwa. Uzyskano mapy, których dokładność określono, posługując się macierzą błędów i współczynnikiem zgodności kappa. Wybrano mapy sklasyfikowane z największą dokładnością i poddano je analizie z użyciem wskaźników z ekologii krajobrazu. Po przeanalizowaniu wyników sformułowano następujące wnioski: klasyfikacja nadzorowana obrazów Landsat umożliwia określenie składu gatunkowego i przedziałów klas wieku heterogenicznych kompleksach leśnych w sposób ogólny, skład gatunkowy jest możliwy do wydzielenia z większą dokładnością niż przedziały klas wieku, mimo położenia kompleksów leśnych w jednym regionie biogeograficznym nie można stworzyć jednolitych sygnatur spektralnych, błędy wynikają z uśrednionej informacji zawartej w pikselu, uogólnionych danych zapisanych na mapach drzewostanowych i opisach taksacyjnych, rozbieżności terminów wykonania zobrazowania i map, cyfrową analizę zdjęć lotniczych uniemożliwia zbyt szczegółowy obraz oraz jakość materiałów, które charakteryzują się znaczną zmiennością tonalną w zależności od położenia względem środka zdjęcia, wskaźniki opisujące strukturę drzewostanów ilościowo uzupełniają informację jakościową zawartą na mapach poklasyfikacyjnych, wyniki analizy ilościowej są uzależnione od rodzaju danych teledetekcyjnych.
Forests are rich ecosystems, which fulfill significant functions as scientific, educational and finally recreational. Forest landscapes play a key role, particularly near urban areas like Warsaw, where they are affected by the town and its inhabitants. Collecting data about forests and analyzing it are desirable tasks for the purposes of environmental monitoring, protection, planning and management in different scales (spatial/time). Remotely sensed data proved to be very useful sources of information about forest characteristics as a specific ecosystem and as a part of the boarder landscape. The aim of this study is to present methods and techniques used for analyzing and effectively using satellite images and aerial photographs for certain purposes in forestry and environment protection. Analyses were made on the example of Landsat ETM+ satellite images acquired in 2000 and set of aerial photographs obtained in 1997 (PHARE, true color, 1:26000, 1:5000) and 1992 (color infrared, 1:10000). The areas under study are three forest complexes located near Warsaw: Kampinoski National Park, Chojnowski Landscape Park and Las Kabacki Reserve, which differ in size, diversity, and level of protection. Automated solutions in forest studies deliver objective and high quality thematic data, which are competitive to the conventional survey mapping methods.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2003, 13b; 497-505
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Segmentacja wysokorozdzielczego zobrazowania satelitarnego w celu rozpoznania kompleksów urbanistycznych
Autorzy:
Wyczałek, I.
Wyczałek, E.
Plichta, A.
Powiązania:
https://bibliotekanauki.pl/articles/129789.pdf
Data publikacji:
2004
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
obraz satelitarny
klasyfikacja obiektowa
urbanistyka
satellite picture
object classification
planning
Opis:
Jednym z najbardziej dynamicznie rozwijających się obecnie podejść do rozpoznawania przedmiotów terenowych na obrazach teledetekcyjnych jest klasyfikacja obiektowa. Wywodzi się ona z procesu kognitywnego, poznawczego, realizowanego w naturalny sposób w mózgu człowieka oglądającego obraz lub zdjęcie, a mianowicie – przez uprzedni wstępny podział tegoż obrazu na segmenty o zbliżonych cechach wizualnych, wyróżniających te segmenty względem otoczenia. Segmentacja pozwala nie tylko na uporządkowanie treści rozpoznawanego obrazu, ale także dostarcza analitykowi znaczną liczbę parametrów, które mogą zostać użyte jako kryteria klasyfikacyjne. Jest to jedna z najważniejszych zalet tego podejścia. Przedmiotem pracy jest projekt i ocena jakości segmentacji wysokorozdzielczego obrazu teledetekcyjnego użytego do rozpoznawania obszarów o różnych funkcjach, współtworzących przestrzeń miasta. Do oceny wybrano jedno z najbardziej atrakcyjnych obecnie zobrazowań wykonywanych z pokładu satelity QuickBird. Analizowane zobrazowanie stanowi przetworzony techniką pan-sharpening obraz wielospektralny, przepróbkowany do rozdzielczości 0,60 m. Celem pracy jest ustalenie progów segmentacji w układzie hierarchicznym, oraz ocena cech segmentów dobranych do wyłonienia charakterystycznych kompleksów urbanistycznych. W podsumowaniu przedstawione zostaną możliwości wykorzystania wyników klasyfikacji obiektowej do badania zmian struktur urbanistycznych, w porównaniu z innymi obrazami teledetekcyjnymi badanego terenu oraz z danymi wektorowymi.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2004, 14; 1-12
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Studies on pansharpening and object-based classification of Worldview-2 multispectral image
Badania nad wyostrzeniem i klasyfikacją obiektową wielospektralnego obrazu Worldview-2
Autorzy:
Wyczałek, I.
Wyczałek, E.
Powiązania:
https://bibliotekanauki.pl/articles/130668.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
WorldView-2
multispectral pansharpening
object-based classification
pansharpening wieloaspektralny
klasyfikacja obiektowa
Opis:
The new information contained in four additional spectral bands of high-resolution images from the satellite sensor WorldView-2 should provide a visible improvement in the quality of analysis of large-scale phenomena occurring at the ground. Selected part of the image of Poznan was analyzed in order to verify these possibilities in relation to the urban environment. It includes riverside green area and a number of adjacent buildings. Attention has been focused on two components of object-oriented analysis – sharpening the image and its classification. In terms of pansharpening the aim was to obtain a clear picture of terrain objects in details, what should lead to the correct division of the image into homogenous segments and the subsequent fine classification. It was intended to ensure the possibility of separating small field objects within the set of classes. The task was carried out using various computer programs that enable the development and analysis of raster data (IDRISI Andes, ESRI ArcGIS 9.3, eCognition Developer 8) and some own computational modules. The main scientific objective of this study was to determine how much information from new spectral image layers after their pansharpening affects the quality of object-based classification of land cover in green and building areas of the city. As a basis for improving the quality of the classification was above mentioned ability of using additional data from new spectral bands of WorldView-2 image. To assess the quality of the classification we used test that examines only the uncertain areas of the picture, that is these which lie on differently classified types of land cover. The outcome of assessment confirmed the thesis of the positive albeit small impact of additional spectral channels on the result of object-based classification. But also pansharpening itself only slightly improves the quality of classified image.
Nowa informacja zawarta w czterech dodatkowych kanałach spektralnych wysokorozdzielczych obrazów z sensowa satelity WorldView-2 powinna zapewnić widoczną poprawę jakości analizy wielkoskalowych zjawisk zachodzących na ziemi. Analizowano wybrany fragment obrazu Poznania w celu sprawdzenia tych możliwości w odniesieniu do środowiska miejskiego. Obejmuje on nadrzeczną zieleń, obiekty sportowe i szereg sąsiednich budynków. Uwagę skoncentrowano na dwóch elementach analizy obiektowej – wyostrzeniu obrazu i jego klasyfikacji. Z punktu widzenia pansharpeningu celem było uzyskanie czystego obrazu szczegółów obiektów terenowych, co powinno doprowadzić do prawidłowego podziału obrazu na jednorodne segmenty i jego późniejszej szczegółowej klasyfikacji. To miało zapewnić możliwość oddzielenia małych obiektów terenowych w granicach zbioru klas. Zadanie zostało przeprowadzone za pomocą różnych programów komputerowych, które pozwalają na opracowanie i analizę danych rastrowych (Idrisi Andes, ESRI ArcGIS 9.3, eCognition Developer 8) i kilku własnych modułów obliczeniowych. Głównym celem naukowym tego studium było określenie, jak bardzo informacja z nowych warstw obrazu spektralnego po jego wyostrzeniu wpływa na jakość opartej na obiektach klasyfikacji pokrycia terenu naturalnych i zabudowanych fragmentów krajobrazu miieskiego. Jako podstawa do poprawy jakości klasyfikacji była wyżej wskazana możliwość korzystania z dodatkowych danych z nowych kanałów spektralnych zobrazowania WorldView-2. Aby ocenić jakość klasyfikacji wykorzystaliśmy test, który sprawdza tylko niepewne obszary obrazu, to jest te, które znajdują się pomiędzy różnymi rodzajami pokrycia terenu. Wynik oceny potwierdza tezę o pozytywnym choć niewielkim wpływie dodatkowych kanałów spektralnych na wynik klasyfikacji obiektowej. Ale także sam pansharpening tylko nieznacznie poprawia jakość klasyfikacji obrazu. Najlepsze wyniki dała klasyfikacja bazująca na ważonej, hipersferycznej transformacji przestrzeni barwnej (HCS/W).
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2013, Spec.; 109-117
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja obiektowa zdjęcia satelitarnego średniej rozdzielczoścI MODIS, pierwsze wyniki
Object based classification of middle resolution MODIS satellite image, first results
Autorzy:
Lewiński, S.
Powiązania:
https://bibliotekanauki.pl/articles/131006.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
MODIS
klasyfikacja obiektowa
pokrycie terenu
PCA
objected oriented classification
land cover
Opis:
W artykule przedstawione są pierwsze wyniki klasyfikacji obiektowej zdjęcia satelitarnego średniej rozdzielczości MODIS. Prace wykonano na podstawie dwóch zdjęć zarejestrowanych z pokładu satelity Terra w kwietniu i w sierpniu 2009 r. Przyjęto założenie wykonania równoczesnej klasyfikacji obu zdjęć. Dzięki czemu w procesie rozpoznania można było wykorzystać informacje związane ze zmianami spektralnymi poszczególnych klas pokrycia terenu, które nastąpiły w okresie kilku tygodni. Jako poligon badawczy wybrano fragment zdjęcia obrazujący centralno wschodnią część Polski o powierzchnię 85 267 km2, na którym zobrazowane są podstawowe formy pokrycia terenu występujące w kraju. Danymi wejściowymi są kanały spektralne zakresu promieniowania czerwonego i bliskiej podczerwieni, pierwszego i drugiego zdjęcia MODIS. Dodatkowo wykorzystano kanał PC 2 uzyskany w wyniku zastosowania analizy składowych głównych (PCA). Przyjęte zasady postępowania pozwoliły na rozpoznanie 6 podstawowych klas pokrycia terenu: wody, zabudowa zwarta, zabudowa rozproszona, lasy, tereny rolnicze, łąki. Ocena wyników została wykonana poprzez porównanie klasyfikacji zdjęć MODIS z bazą danych o pokryciu i użytkowaniu ziemi CORINE CLC2006. Całkowita dokładność klasyfikacji została oceniona na poziomie 78%.
The article presents preliminary results of object based classification of multispectral middle resolution MODIS satellite images. In order to use information about spectral diversity of land cover classes, two MODIS Terra images, registered in April and August 2009, were analysed simultaneously. As the study area, a polygon of 85 267 km2 situated in central Poland was selected. Within its borders all typical classes of Polish land cover can be found. The object oriented classification was performed using red and infrared bands of both images. Additionally, channel PC 2 obtained as an outcome of the Principal Component Analysis, was incorporated into the classification as one of the main features for discrimination of land cover classes. The first segmentation is prepared only for classification of water bodies. Next segmentation of the rest of the scene is done, and after that the object domain is divided into two parts characterized by high and low values of PC 2 channel. Using consecutive processes inside the first part of the object domain, the objects were classified as: urban areas, forest and agriculture areas. Grasslands and other agriculture areas are recognized in the second part of the object domain. The applied classification rules, based on threshold values of the bands R, IR, PC 2 and NDVI index, allow detection of six basic land cover classes: water, dense urban areas, spread urban areas, forest, agricultural area and grassland. The accuracy assessment of the final classification was done using the CORINE CLC2006 datasets. Before determining the error matrix, the classification image was re-projected from Sinusoidal into the 1992 coordinate system while the vector data base CLC2006 was exported to the raster format. The overall accuracy was estimated at the level of 78%.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2010, 21; 211-219
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The potential of full-waveform LiDAR in mobile mapping applications
Autorzy:
Toth, C.K.
Zaletnyik, P.
Laky, S.
Grejner-Brzezińska, D.
Powiązania:
https://bibliotekanauki.pl/articles/129703.pdf
Data publikacji:
2011
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
lidar
waveform
discrete return
classification
LIDAR
przebieg fali
dyskretny powrót
klasyfikacja
Opis:
Full Waveform LiDAR data have been available for many years, yet applications just recently started discovering its potential in airborne topographic surveying. Forestry and earth sciences applications have been traditionally using waveform processing for many years, but topographic mapping has just started exploring the benefits of waveform. The potential advantages are improved point cloud generation, better object surface characterization, and support for object classification. However, there are several implementations and performance issues, such as the availability of waveform processing tools and waveform compression methods that should be addressed before applications can take full advantage of the availability of waveform data. The paper provides an overview of the waveform application potential in both airborne and mobile LiDAR mapping applications.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2011, 22; 401-410
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wstępna ocena możliwości wykorzystania obrazów satelitarnych aster w monitorowaniu lodowców Svalbardu
Preliminary assessment of aster images applicability in monitoring the Svalbard glaciers
Autorzy:
Błaszczyk, M.
Drzewiecki, W.
Powiązania:
https://bibliotekanauki.pl/articles/129719.pdf
Data publikacji:
2006
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
ASTER
lodowiec
klasyfikacja
eCognition
segmentacja obrazu
tekstura
glacier
classification
segmentation
texture
Opis:
Celem prezentowanej pracy była ocena możliwości wykorzystania obrazów satelitarnych ASTER do określenia stopnia uszczelinienia powierzchni lodowców Svalbardu. Pierwszy etap badań polegał na określeniu granic lodowców. Przetestowano metody stosowane w tym celu w ramach projektu GLIMS (Global Land Ice Measurement from Space) oraz zaproponowano własne podejście oparte o wykorzystanie obrazu nasycenia uzyskanego na drodze transformacji IHS kompozycji barwnej z kanałów 345. Dla oddzielenia lodowców od obszarów kry lodowej zaproponowano wykorzystanie wybranych miar teksturalnych. Próby wyodrębnienia w granicach wydzielonych wcześniej lodowców obszarów uszczelinionych na drodze klasyfikacji nadzorowanej nie dały zadowalających rezultatów. Ostatnia część przeprowadzonych badań miała na celu przygotowanie obrazu satelitarnego do klasyfikacji obiektowej w programie eCognition poprzez opracowanie uniwersalnych parametrów segmentacji. Uzyskanie satysfakcjonujących rezultatów segmentacji w oparciu o kanały spektralne obrazu ASTER wymagało stosowania dla poszczególnych lodowców różnych parametrów skali, kształtu i zwartości, co znacząco utrudniałoby automatyzację procesu klasyfikacji. Poprawę rezultatów osiągnięto przeprowadzając wstępną segmentację w oparciu o 1 kanał obrazu ASTER, a dokładniejszą w oparciu o obraz tekstury uzyskany w programie MaZda. Otrzymane rezultaty segmentacji pozwalają przypuszczać, iż możliwe będzie przeprowadzenie klasyfikacji obiektowej w programie eCognition, której rezultatem będzie wydzielenie jako osobnej klasy obszarów uszczelinionych.
ASTER images applicability to surface crevassing assessment of tidewater glacier in southern Spitsbergen, Svalbard was investigated. In the first phase of research, the glaciers spatial extent determination methods were investigated - spectral bands rationing and Normalized Difference Snow Index (NDSI). A new method based on saturation image obtained by intensity-hue-saturation transformation of 345 colour composite was tested as well. Image texture parameters were applied to separate ice floats from glaciers. The supervised classification of original spectral bands for crevassed areas identification failed. Better results were achieved using chosen texture images, but still too many other glacier areas (e.g. dark moraines or streams on glacier surface) were classified as crevasses. In the last stage of research, object-oriented image analysis software (eCognition) was used. The parameters for ASTER image segmentation, resulting in determination of crevassed glacier areas as separate image segments, were searched. To achieve such a goal, image segmentation performed using ASTER spectral bands required different scale, shape and compactness factors for individual glaciers. This is because glacier dynamics and morphology differ, causing differences in shapes and extent of crevassed areas. Satisfactory results were achieved after the application of a two-level segmentation procedure: ASTER spectral band 1 segmentation using large scale parameter and than MaZda software computed texture image segmentation with a small-scale factor. The research confirmed the applicability of satellite ASTER images for monitoring the Svalbard glaciers. The spatial extent of the glaciers was determined by simple thresholding of transformed spectral bands and texture images. Furthermore, obtained segmentation results should enable successful application of object oriented image classification in eCognition to mapping of crevassed glacier areas. Such a classification is planned as the next stage of the research.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2006, 16; 29-39
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Use of Gabor filters for texture classification of airborne images and LiDAR data
Autorzy:
Marmol, U.
Powiązania:
https://bibliotekanauki.pl/articles/130042.pdf
Data publikacji:
2011
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
texture analysis
lidar
algorithm
automated classification
analiza tekstury
LIDAR
algorytm
klasyfikacja automatyczna
Opis:
In this paper, a texture approach is presented for building and vegetation extraction from LIDAR and aerial images. The texture is very important attribute in many image analysis or computer vision applications. The procedures developed for texture problem can be subdivided into four categories: structural approach, statistical approach, model based approach and filter based approach. In this paper, different definitions of texture are described, but complete emphasis is given on filter based methods. Examples of filtering methods are Fourier transform, Gabor and wavelet transforms. Here, Gabor filter is studied and its implementation for texture analysis is explored. This approach is inspired by a multi-channel filtering theory for processing visual information in the human visual system. This theory holds that visual system decomposes the image into a number of filtered images of a specified frequency, amplitude and orientation. The main objective of the article is to use Gabor filters for automatic urban object and tree detection. The first step is a definition of Gabor filter parameters: frequency, standard deviation and orientation. By varying these parameters, a filter bank is obtained that covers the frequency domain almost completely. These filters are used to aerial images and LIDAR data. The filtered images that possess a significant information about analyzed objects are selected, and the rest are discarded. Then, an energy measure is defined on the filtered images in order to compute different texture features. The Gabor features are used to image segmentation using thresholding. The tests were performed using set of images containing very different landscapes: urban area and vegetation of varying configurations, sizes and shapes of objects. The performed studies revealed that textural algorithms have the ability to detect buildings and trees. This article is the attempt to use texture methods also to LIDAR data, resampling into regular grid cells. The obtained preliminary results are interesting.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2011, 22; 325-336
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie decyzyjnych automatów komórkowych w klasyfikacji wysokorozdzielczych obrazów satelitarnych
The use of decision-making cellular automata in the classification of remote sensing images
Autorzy:
Wyczałek, I.
Powiązania:
https://bibliotekanauki.pl/articles/130454.pdf
Data publikacji:
2006
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
klasyfikacja
segmentacja
metoda gęstościowa
automat komórkowy
classification
segmentation
consistence assessment method
cellular automata
Opis:
Klasyfikacja jest jednym z najczęściej stosowanych sposobów określania pokrycia terenów w teledetekcji. Metody stosowane w podejściu klasycznym są w dużym stopniu nieskuteczne i wymagają działań wspomagających, takich jak wstępna segmentacja, uwzględnianie dodatkowych parametrów lub zależności, stosowanie metod rozpoznawania wzorów, sztucznej inteligencji, sieci neuronowych itp. Rozwijane są też metody obiektowe, bazujące na różnorodnych relacjach między zbiorami hierarchicznie uporządkowanych segmentów o zbliżonych cechach radiometrycznych. W pracy zaproponowano podejście, w którym grupowane są wyniki klasyfikacji nienadzorowanej w oparciu o analizę gęstości. Metoda gęstościowa w wersji opracowanej na użytek niniejszej pracy uwzględnia zarówno cechy spektralne jak i relacje przestrzenne między grupami pikseli, przypisując do nowotworzonych klas zarówno piksele klasy dominującej, jak i nielicznie występujące na danym obszarze piksele pozostałych klas. Jako narzędzie informatyczne służące rozwiązaniu powyższej idei wykorzystano automat komórkowy wyposażony w mechanizmy decyzyjne. Proces grupowania klas ma charakter iteracyjny, sterowany za pomocą specyficznej „funkcji przejścia” o dopuszczalnych stanach zgodnych z zadanymi klasami pokrycia terenu. Decyzyjny charakter automatu wynika z typowej dla metod podejmowania decyzji postaci funkcji kryterialnej, a także charakterystycznego zestawu jej parametrów – czynników decyzyjnych i ograniczeń. Przedstawione podejście zweryfikowano na przykładzie praktycznym polegającym na wskazaniu terenów pokrytych zielenią wysoką na 4-kanałowym obrazie QuickBird, wyostrzonym metodą PanSharpeningu. W tym celu wybrano trzy fragmenty sceny obejmujące tereny zieleni miejskiej o różnym przeznaczeniu. Uzyskano wysoką dokładność selekcji szukanej klasy pokrycia terenu. Metoda będzie rozwijana w kierunku powiązania z wektorową informacją bazodanową.
Classification is one of the most often used methods for land cover detection in remote sensing applications. The classic approach is not always efficient and needs using various additional criteria or methods such as segmentation, pattern recognition, artificial intelligence, neural networks and so on. In this paper, a new approach based on density-based clustering is presented using a method dealing with previously-classified images. The decision-making Cellular Automata has been proposed as a tool for solving this task. The iterative process of clustering has been driven by a specific transition rule of CA, with an earlier established set of states. The decision-making nature of AK arises from a criterion function typical for decision making methods, and the set of their factors and constraints. The proposed method lies in multiplied crossing of the classified image (K-means method) by Automata at a certain shape. The task aggregate classes fulfilling defined criteria concerning density of existence, and its iterative form serves to bridge gaps and eliminate dispersed pixels which don’t fulfill the threshold values of the used criterion. The approach presented here has been verified on the example aimed at showing trees on 4-canal pan-sharpened multispectral QuickBird imagery. Three parts of a scene of enclosed urban green areas of various destinations have been chosen. Selected phases of clustering are shown in images 3, 4 and 5 containing a decreased number of tall trees. An assessment of the results shows the great potential capabilities of the method and is expected to be useful in further change detection of land cover.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2006, 16; 577-586
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Deep learning for automatic LiDAR point cloud processing
Głębokie uczenie w automatycznym przetwarzaniu chmury punktów skanowania laserowego
Autorzy:
Dominik, Wojciech
Bożyczko, Marcin
Tułacz-Maziarz, Karolina
Powiązania:
https://bibliotekanauki.pl/articles/27322929.pdf
Data publikacji:
2021
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
deep learning
LiDAR
point cloud
classification
automation
głębokie uczenie
chmura punktów
klasyfikacja
automatyzacja
Opis:
The paper presents the method of automatic point cloud classification that has been developed by OPEGIEKA. The method is based on deep learning techniques and consists of an in- house developed algorithm of point cloud transformation to a regular array accompanied by internally designed convolutional neural network architecture. The developed workflow as well as experiences from its application during the execution of the CAPAP project are described. Results obtained on real project data as well as statistics obtained on the ISPRS 3D semantic labelling benchmark with the use of OPEGIEKA's method are presented. The achieved results place OPEGIEKA in the top 3 of the classification accuracy rating in the ISPRS benchmark. The implementation of OPEGIEKA's solution into LiDAR point clouds classification workflow allowed to reduce the amount of necessary manual work.
W artykule przedstawiono metodę automatycznej klasyfikacji chmur punktów opracowaną przez firmę OPEGIEKA. Metoda opiera się na technice głębokiego uczenia i składa się z opracowanego przez autorów algorytmu transformacji chmury punktów do regularnej macierzy, któremu towarzyszy wewnętrznie zaprojektowana architektura konwolucyjnej sieci neuronowej. W tekście opisano opracowany ciąg technologiczny uwzględniający metodykę na przykładzie doświadczenia podczas realizacji projektu CAPAP. Przedstawiono wyniki uzyskane na rzeczywistych danych projektowych oraz statystyki uzyskane na benchmarku ISPRS dotyczącego etykietowania semantycznego z wykorzystaniem metody OPEGIEKA. Osiągnięte wyniki plasują OPEGIEKA w pierwszej 3 rankingu dokładności klasyfikacji w benchmarku ISPRS. Wdrożenie rozwiązania OPEGIEKA do przepływu pracy klasyfikacji chmur punktów LiDAR pozwoliło zmniejszyć ilość niezbędnej pracy manualnej.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2021, 33; 13--22
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja obiektowa użytków zielonych z wykorzystaniem wieloletnich zmian NDVI i filtracji kierunkowych obrazu satelitarnego
Object grassland classification using multi-year NDVI changes and directional filtering of satellite image
Autorzy:
Kosiński, K.
Hoffmann-Niedek, A.
Powiązania:
https://bibliotekanauki.pl/articles/130960.pdf
Data publikacji:
2008
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
użytki zielone
klasyfikacja obiektowa
NDVI
filtracja kierunkowa
Landsat
grassland
object classification
directional filtering
Opis:
W artykule przedstawiono algorytm półautomatycznej klasyfikacji obiektowej kompleksów krajobrazowo-roślinnych użytków zielonych na podstawie dwóch zobrazowań satelitów serii Landsat, wykonanych w odstępie 17 lat. NDVI z dwóch terminów, wskaźnik wieloletnich zmian NDVI oraz wskaźnik struktury pasowej wykorzystano do wydzielenia użytków zielonych spośród innych form użytkowania. Przedstawiono mapę poklasyfikacyjną okolic Bełchatowa. Wyróżniono 5 kategorii użytków zielonych.
Semi-automated object classification of grasslands is presented. Landscape-vegetation complexes were distinguished on panchromatic data composites of two Landsat ETM+ images registered on 1999-09-10 and 2001-05-01. Bitemporal spectral data were used for classification. Two Landsat images were used: TM, 19870503 and 2001-05-01. Four indices were calculated: NDVI 1987-05-03, NDVI 2001-05-01, wzNDVI87/01 (NDVI change index), and WSP (strip structure index). The analysis confirmed the hypothesis that meadows may be distinguished from arable lands and from formerly arable sods after directional filtering of the index of multi-year NDVI change. Cluster analysis was performed to classify landscape-vegetation complexes. The full algorithm is described. Some errors found during terrain verification are discussed. A postclassification map of the Bełchatów environs (central Poland) was developed. Five grassland categories were distinguished.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2008, 18a; 273-282
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie metody parametrycznej w klasyfikacji obiektowej obrazu satelitarnego SPOT
Application of rule-based approach to object-oriented classification of SPOT satellite image
Autorzy:
Lewiński, S.
Bochenek, Z.
Powiązania:
https://bibliotekanauki.pl/articles/130535.pdf
Data publikacji:
2008
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
klasyfikacja obiektowa
SPOT
pokrycie ziemi
użytkowanie ziemi
object-oriented classification
land use
land cover
Opis:
W artykule przedstawione są wyniki klasyfikacji obiektowej zdjęcia satelitarnego SPOT, o rozdzielczości przestrzennej 20 m. W klasyfikacji zastosowano zasady postępowania zbliżone do stosowanych w metodzie tzw. drzewa decyzyjnego. Podstawowe klasy pokrycia terenu są identyfikowane podczas sekwencji niezależnych procesów, w czasie których analizowane są obiekty jeszcze niesklasyfikowane w toku poprzednich procesów. Dodatkowo przyjęto założenie wykonania klasyfikacji bez stosowania metody Najbliższego Sąsiada (dostępnej w oprogramowaniu eCognition). Treść zdjęcia satelitarnego została podzielona z zastosowaniem parametrów charakteryzujących w sposób bezpośredni obiekty. Wykorzystano również specjalnie w tym celu opracowane funkcje. Algorytm postępowania rozpoczyna się od rozpoznania klasy wody, której obiekty są definiowane w wyniku procesu wielopoziomowej segmentacji. Następnie wykonywana jest nowa segmentacja dla pozostałych klas. Z treści zdjęcia zostaje wydzielana ogólna klasa lasów a po niej zabudowa; obie klasy dzielone są później na podklasy. Pozostałe, jeszcze nierozpoznane, obiekty dzielone są na łąki i pola. W drugim etapie klasyfikacji, na podstawie już sklasyfikowanych obiektów wyłaniane są dodatkowe klasy: tereny podmokłe, działki i sady, zieleń miejska, place budów oraz zmiany w lesie. W sumie rozpoznano 13 klas. Końcowy wynik klasyfikacji został opracowany z zastosowaniem procedury generalizacji mającej na celu uzyskanie danych spełniających kryterium jednostki odniesienia o wielkości 4 ha. Całkowita dokładność klasyfikacji wyniosła ponad 89%.
The paper presents results of object-oriented classification of whole 20-meter resolution SPOT scene covering the Kujawy region. The classification approach applied in this work was similar to that used in the so-called decision tree method. The main land cover classes were identified in a sequence of independent processes, assuming that each subsequent process deals solely with objects not classified yet. Another assumption was to implement rule-based approach rather than the Standard Nearest Neighbor classifier (available in eCognition software). In this approach, contents of satellite image were characterized by various spectral/texture parameters directly describing individual land cover/land use classes; in addition, by pre-defined functions, determined on the basis of graphical analysis of feature space constructed for particular terrain objects were used. The classification process begins with recognition of water class the objects of which were delineated using multiresolution segmentation. New segmentation is prepared for the remaining land cover classes. Subsequently, the general forest class and the urban class are discriminated; at the next stage, both classes are divided into sub-categories. Consequently, broad agricultural and grassland classes are determined. At the second stage of classification, more detailed classes are discriminated within the general land cover categories: wetlands, orchards, urban green areas, construction sites, and deforestations. Overall, 13 land cover/land use categories were discriminated in the work presented. The final classification map was prepared using the aggregation procedure to obtain a map resolution fulfilling the 4ha size of Minimum Mapping Unit. The accuracy was assessed using the method of randomly distributed points; the number of points assigned to each class for checking was proportional to the acreage of that class. The overall accuracy of all classes checked in the verification process reached 89%. The method presented was applied to two other test sites in Poland: the regions of Podlasie and Wielkopolska. Despite differences in land cover/land use patterns, both regions were classified with a comparable, high accuracy.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2008, 18a; 355-364
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 42

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies