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 "remote sensing image" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Wykorzystanie obrazów hiperspektralnych do klasyfikacji pokrycia terenu zlewni Bystrzanki
    Using hyperspectral images for land cover classification in Bystrzanka basin
    Autorzy:
    Olesiuk, D.
    Zagajewski, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/132305.pdf
    Data publikacji:
    2008
    Wydawca:
    Polskie Towarzystwo Geograficzne
    Tematy:
    teledetekcja
    zlewnia rzeki
    obraz hiperspektralny
    pokrycie terenu
    river basin
    hyperspectral image
    land cover
    remote sensing
    Źródło:
    Teledetekcja Środowiska; 2008, 40; 125-148
    1644-6380
    Pojawia się w:
    Teledetekcja Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikacja zorientowana obiektowo w inwentaryzacji obiektów Zielonej Infrastruktury na przykładzie dzielnicy Ursynów w Warszawie
    Object-oriented classification in the inventory of Green Infrastructure objects on the example of the Ursynów district in Warsaw
    Autorzy:
    Pyra, M.
    Adamczyk, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/132279.pdf
    Data publikacji:
    2018
    Wydawca:
    Polskie Towarzystwo Geograficzne
    Tematy:
    teledetekcja
    klasyfikacja obiektowa
    zielona infrastruktura
    planowanie przestrzenne
    remote sensing
    Geographic Object-Based Image Analysis
    green infrastructure
    spatial management
    Opis:
    Zielona Infrastruktura jest koncepcją zintegrowanego podejścia do funkcjonalnego i przestrzennie powiązanego planowania obszarów zurbanizowanych wraz z ochroną elementów środowiska, która na przestrzeni ostatnich lat została doceniona przez podmioty odpowiedzialne za planowanie przestrzenne. Niniejsza praca przedstawia możliwości wykorzystania przetworzeń zobrazowań satelitarnych metodami klasyfikacji obiektowej w inwentaryzacji, planowaniu i monitorowaniu obiektów Zielonej Infrastruktury. Do tego celu wykorzystano zobrazowanie satelitarne pozyskane przez satelitę Pleiades w maju 2012 roku, reprezentujące obszar części dzielnicy Ursynów m.st. Warszawy. Wykorzystane w pracy metody klasyfikacji obiektowej wykazały wysoką efektywność w realizacji założonych zadań.
    Green Infrastructure is a conception of an integrated approach to functional and spatially related planning of urban areas, along with environmental protection, which in recent years has been appreciated by spatial planning specialists. This study presents the capabilities of using satellite image processing with Geographic Object-Based Image Analysis methods in the inventory, planning and monitoring of Green Infrastructure objects. For this purpose, a satellite image acquired by the Pleiades satellite in May 2012, representing the area of a part of the Ursynów district of the capital city of Warsaw, was used. The object-oriented classification methods used in this work showed high effectiveness in the implementation of the tasks defined.
    Źródło:
    Teledetekcja Środowiska; 2018, 59; 29-49
    1644-6380
    Pojawia się w:
    Teledetekcja Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Comparison of efficiency of extraction of built-up areas in aerial images using fractal analysis and morphological granulometry
    Porównanie efektywności wyodrębniania terenów zabudowanych na obrazach lotniczych przy pomocy analizy fraktalnej i granulometrii morfologicznej
    Autorzy:
    Kupidura, P.
    Popławski, W.
    Sitko, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/132365.pdf
    Data publikacji:
    2015
    Wydawca:
    Polskie Towarzystwo Geograficzne
    Tematy:
    remote sensing
    mathematical morphology
    fractal analysis
    classification
    digital image processing
    teledetekcja
    morfologia matematyczna
    analiza fraktalna
    klasyfikacja
    cyfrowe przetwarzanie obrazów
    Opis:
    The paper presents a comparison of results of the automatic extraction of built-up areas, based on fractal analysis and granulometric maps, in the aerial images. Built-up areas as a land-use class can be clearly seen in an aerial or satellite image, due to its high granularity, but for the same reason they are very difficult to extract using a “traditional” non-contextual, pixel-based classification. Both approaches presented in the paper, using fractal analysis and morphological granulometry, base generally on a pixel-based classification, but performed on images reviously processed using these two types of processes. Fractal analysis consists in an empirical computing of fractal dimension of parts of an image, using a box-counting method. Such an approach generates an image where pixel values are equal to a fractal dimension values of their neighbourhood. Since we can interpret a fractal dimension as a level of granularity, a simple reclassification of such an image can improve a performance of an automatic extraction of built-up area effectively. The approach based on a morphological granulometry creates a number of granulometric maps – images where pixel values mean an amount of objects of certain size in a set neighbouring fragment of an image. This way a number of these images can be processed using a pixel-based classification, to perform an effective extraction of built-up areas in an image. The results of the presented approaches have been compared to the reference mask obtained basing on a visual interpretation of the image.
    Źródło:
    Teledetekcja Środowiska; 2015, 52; 29-37
    1644-6380
    Pojawia się w:
    Teledetekcja Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikacja pokrycia terenu z wykorzystaniem obrazów Sentinel-2A przetworzonych za pomocą metody głównych składowych (PCA)
    Land cover classification using Sentinel-2A images processed by the principal components method (PCA)
    Autorzy:
    Kałużna, Urszula
    Będkowski, Krzysztof
    Powiązania:
    https://bibliotekanauki.pl/articles/2058371.pdf
    Data publikacji:
    2020
    Wydawca:
    Polskie Towarzystwo Geograficzne
    Tematy:
    teledetekcja
    pokrycie terenu
    EGiB
    Sentinel-2A
    PCA
    nadzorowana klasyfikacja obrazu
    remote sensing
    land cover
    Land and Buildings Register
    supervised image classification
    Opis:
    Celem badań jest ocena możliwości realizacji klasyfikacji nadzorowanej z wykorzystaniem obrazów (komponentów) uzyskiwanych w wyniku przetworzenia oryginalnych obrazów Sentinel-2A za pomocą metody głównych składowych (PCA). Klasyfikację wykonano w ośmiu wariantach, z wykorzystaniem algorytmów najmniejszej odległości (MD, Minimum Distance) oraz największego prawdopodobieństwa (ML, Maximum Likelihood), przy czym zastosowano oryginalne kanały 2, 3, 4, 8 Sentinel-2A oraz różną liczbę komponentów. Wyniki klasyfikacji oceniono poprzez porównanie z danymi o pokryciu terenu według Ewidencji Gruntów i Budynków (EGiB). Przeprowadzenie klasyfikacji na ograniczonej do dwóch liczbie komponentów uzyskanych w procedurze PCA tylko nieznacznie zmieniło wyniki w porównaniu do klasyfikacji na oryginalnych, nieprzetworzonych kanałach Sentinel-2A. Najbardziej zbliżone do danych EGiB rezultaty uzyskano stosując klasyfikację ML kanałów oryginalnych, nieprzetworzonych lub używając wszystkich komponentów PCA. Podjęta próba porównania pokrycia terenu ustalonego za pomocą klasyfikacji obrazów satelitarnych z klasami pokrycia, które zostały wyodrębnione z mapy EGiB wykazała, że przetworzenie mapy z postaci wektorowej na rastrową wpływa istotnie na uzyskiwane wyniki.
    The aim of the research is to assess the feasibility of supervised classification using images (components) obtained through processing the original Sentinel-2A images by means of the principal component method (PCA). The classification was performed in eight variants, using the algorithms of the minimum distance (MD) and the maximum likelihood (ML), with the original channels 2, 3, 4, 8 of Sentinel-2A and a various number of components. The results of the classification were assessed by comparing them to the land coverage data of Land and Buildings Register (Ewidencja Gruntów i Budynków – EGiB). Performing the classification on a number of PCA components limited to two only slightly altered the results compared to the classification on the original, raw Sentinel-2A channels. The results most similar to the EGiB data were obtained using the ML classification of the original channels, i.e. raw channels or using all PCA components. The attempt to compare the land coverage established by the classification of satellite images to the coverage classes that were extracted from the EGiB map revealed that processing the map from vector to raster form significantly influences the obtained results.
    Źródło:
    Teledetekcja Środowiska; 2020, 61; 19-37
    1644-6380
    Pojawia się w:
    Teledetekcja Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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