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 "Object-Oriented" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Examples of object-oriented classification performed on high-resolution satellite images
    Autorzy:
    Lewiński, Stanisław
    Zaremski, Karol
    Kwiatkowska, Joanna M.
    Powiązania:
    https://bibliotekanauki.pl/articles/2029415.pdf
    Data publikacji:
    2004-06-01
    Wydawca:
    Uniwersytet Warszawski. Wydział Geografii i Studiów Regionalnych
    Tematy:
    object-oriented classification
    land use
    satellite images
    eCognition
    Opis:
    Information about the types of land cover and its use is obtained by the visual interpretation of the color composite of satellite images or by the use of automatic classification algorithms. For obvious reasons, the automatic classification methods make it possible to obtain information quicker and much faster than the traditional interpretation method. The commonly used automatic methods of satellite image classification, based on supervised or unsupervised classification algorithms, are the most accurate when used with low resolution images. In the case of images with 1-meter-sized pixels, showing a diversity of land cover forms, it is not possible to obtain satisfactory results. New classification techniques, based on object-oriented classification algorithms, have been developing for a couple of years now. In contrast to the traditional methods, the new operating procedure does not involve the classification of single pixels, but of entire objects, into which the content of the satellite image is divided. Aside from the spectral values of the pixels, the shape of the objects created by the pixels and the relationships between the objects, are also considered during the analysis. Similar to visual interpretation, variation in the texture of the image can also be taken into account in this case. The aim of this article is to present the possibility of using high density satellite images in object-oriented classification. The classification presented is that of a high-rise built area in Wrocław and of bridges on the Vistula River in Warsaw.
    Źródło:
    Miscellanea Geographica. Regional Studies on Development; 2004, 11; 349-358
    0867-6046
    2084-6118
    Pojawia się w:
    Miscellanea Geographica. Regional Studies on Development
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Object-oriented classification of Landsat ETM+ satellite image
    Klasyfikacja obiektowa zdjęcia satelitarnego Landsat ETM+
    Autorzy:
    Lewiński, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/293332.pdf
    Data publikacji:
    2006
    Wydawca:
    Instytut Technologiczno-Przyrodniczy
    Tematy:
    klasyfikacja obiektowa
    Landsat ETM+
    użytkowanie ziemi
    object-oriented classification
    land use
    Opis:
    This paper presents results of object-oriented classification of Landsat ETM+ satellite image conducted using eCognition software. The classified image was acquired on 7 May 2000. In this particular study, an area of 423 km² within the borders of Legionowo Community near Warsaw is considered. Prior to classification, segmentation of the Landsat ETM+ image is performed using panchromatic channel, fused multispectral and panchromatic data. The applied methods of classification enabled the identification of 18 land cover and land use classes. After the classification, generalization and raster to vector conversion, verification and accuracy assessment are performed by means of visual interpretation. Overall accuracy of the classification reached 94.6%. The verification and classification results are combined to form the final database. This is followed by comparing the object-oriented with traditional pixel-based classification. The latter is performed using the so-called hybrid classification based on both supervised and unsupervised classification approaches. The traditional pixel-based approach identified only 8 classes. Comparison of the pixel-based classification with the database obtained using the object-oriented approach revealed that the former reached 72% and 61% accuracy, according to the applied method.
    W artykule przedstawiono wyniki klasyfikacji obiektowej zdjęcia satelitarnego Landsat ETM+, uzyskane z zastosowaniem specjalistycznego oprogramowania eCognition. Klasyfikację wykonano na przykładzie zdjęcia zarejestrowanego 7 maja 2000 r., obrazującego obszar badawczy o powierzchni 423 km², znajdujący się w granicach powiatu legionowskiego w pobliżu Warszawy. Proces klasyfikacji obiektowej polega na rozpoznaniu obiektów, którymi są grupy pikseli spełniające założone kryterium jednorodności. Granice obiektów zostały zdefiniowane w czasie segmentacji zdjęcia, wykonanej na podstawie wartości pikseli kanału panchromatycznego skanera ETM+ oraz danych uzyskanych w wyniku połączenia wybranych kanałów wielospektralnych z kanałem panchromatycznym. Zastosowane metody klasyfikacyjne, związane nie tylko z wartościami spektralnymi charakteryzującymi poszczególne obiekty, lecz również z kryteriami parametrycznymi, umożliwiły identyfikację 18 klas pokrycia i użytkowania ziemi. Następnie wynik klasyfikacji został przetworzony funkcjami: generalizacji, konwersji formatu danych oraz poddany weryfikacji. Generalizację wykonano z zastosowaniem jednostki odniesienia wynoszącej 1 ha dla klas zabudowy i wody oraz 4 ha dla pozostałych klas. Następnie format klasyfikacji został zmieniony z rastrowego na wektorowy, w którym wykonano wygładzenie granic wydzieleń. Klasyfikacja została zakończona weryfikacją wektorowej bazy danych metodą interpretacji wizualnej. Całkowita dokładność klasyfikacji została oceniona na poziomie 94.6%. Po uwzględnieniu zmian wprowadzonych w czasie weryfikacji uzyskano końcową postać bazy danych. Wyniki klasyfikacji obiektowej zostały porównane z wynikami tradycyjnej (pikselowej) klasyfikacji, wykonanej z zastosowaniem algorytmu tzw. klasyfikacji hybrydowej, składającej się z następujących po sobie klasyfikacji nadzorowanej i nienadzorowanej. Rozpoznano jedynie 8 klas pokrycia i użytkowania ziemi. Dokładność tradycyjnej klasyfikacji oceniono przez porównanie jej z wynikami klasyfikacji obiektowej. Uzyskano wyniki na niskim poziomie, wynoszącym jedynie 72% i 61%, w zależności od przyjętej metody oceny.
    Źródło:
    Journal of Water and Land Development; 2006, 10; 91-106
    1429-7426
    2083-4535
    Pojawia się w:
    Journal of Water and Land Development
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Differentiation between forms of urban development using the object-oriented classification method with Central Warsaw as the example
    Autorzy:
    Zaremski, Karol
    Szmajda, Dorota
    Powiązania:
    https://bibliotekanauki.pl/articles/2032468.pdf
    Data publikacji:
    2006-06-01
    Wydawca:
    Uniwersytet Warszawski. Wydział Geografii i Studiów Regionalnych
    Tematy:
    object-oriented classification
    land cover
    land use
    urbanized areas
    Ikonos
    Warsaw
    eCognition
    segmentation
    classification
    Opis:
    The aim of the paper is to present automated methods of discrimination of urban development forms using object-oriented classification in high-resolution images taken by the Ikonos satellite. The object-oriented classification makes possible to describe individual classes using not only the spectral reflection values but also the shapes, textures and topology of objects. The classification process as such is based on the theory of fuzzy sets. The research covered an area of 25 km,., situated in central Warsaw. As a result of object-oriented classification, five classes of development typical of large cities were distinguished and described.
    Źródło:
    Miscellanea Geographica. Regional Studies on Development; 2006, 12; 315-327
    0867-6046
    2084-6118
    Pojawia się w:
    Miscellanea Geographica. Regional Studies on Development
    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
    Tytuł:
    Mapa zmian pokrycia terenu małopolski 1986-2011 wykonana w oparciu o klasyfikację obiektową obrazów satelitarnych Landsat oraz RapidEye
    Map of land use / land cover changes in malopolska voivodeship in 1986-2010 created by object based image analysis of Landsat and RapidEye satellite images
    Autorzy:
    Wężyk, P.
    Wójtowicz-Nowakowska, A.
    Pierzchalski, M.
    Mlost, J.
    Szafrańska, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/130712.pdf
    Data publikacji:
    2013
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    klasyfikacja obiektowa
    OBIA
    Landsat
    RapidEye
    użytkowanie terenu
    pokrycie terenu
    analiza przestrzenna
    GIS
    segmentacja
    object-oriented classification
    land use
    land cover
    spatial analysis
    temporal analysis
    segmenatation
    Opis:
    Changes in land use / land cover are the result of interaction between natural processes and human activity. Using GIS analysis to estimate the dynamic of these changes we can detect former trends and their simulation in the future. Diagnosed directions of changes can be used e.g. to create local plans of spatial management or region growth policy. Main goal of this study was to diagnose main trends of changes in land use / land cover in Malopolska voivodeship in last 25 years (1986-2010). Results were shown as statistics and map compositions. Project was created based on RapidEye and LANDSAT 5 TM satellite data and aerial imagery from 2009-2010. The best way to process huge amount and various data was to use Object Based Image Analysis (OBIA). As the results of classification we received 10 classes of land use for both terms of analyses (1986-1987 and 2009-2010). Identified classes were: bare soil, grass-covered areas, urban areas, rivers and watercourses, coniferous forest, leaf forest, peatbog, and other areas. Results show, that especially 2 classes arisen much: forest (4.39%) and urban areas (2.40%), mostly at the expanse of agricultural (-3.60%) and grass-covered areas (-1.18%). Based on results we can say, that changes detected in past 25 years in Malopolska region, which we can also notice today, agree with general trends of landscape changes, that we can observe in Poland for the last 3 decades. These general changes are: renewed succession of forest on areas where agricultural production discontinued; also intense development of road infrastructure. Object Based Image Analysis allowed to realize these study for area of more than 15 000 km2 for only a few weeks.
    Zmiany pokrycia terenu i użytkowania ziemi są rezultatem wzajemnego oddziaływania na siebie złożonych procesów przyrodniczych oraz społeczno-ekonomicznych. Analizy przestrzenne GIS dynamiki tych zmian umożliwiają wykrycie występujących w przeszłości trendów i procesów oraz ich symulację dla nadchodzącego okresu. Zdiagnozowane kierunki przemian krajobrazu mogą zostać wykorzystane m.in. przy tworzeniu lokalnych planów zagospodarowania przestrzennego, czy generalnie kreowaniu polityki rozwoju regionów. Celem prezentowanego opracowania było zdiagnozowanie głównych trendów przemian pokrycia terenu województwa małopolskiego na przestrzeni ostatnich dwudziestu pięciu lat (19862011) oraz ich statystyczne i graficzne zaprezentowanie w postaci kompilacji map numerycznych. Projekt wykonano w oparciu o dane teledetekcyjne: zobrazowania satelitarne RapidEye i LANDSAT TM oraz lotnicze ortofotomapy (PZGiK) z lat 2009 - 2010. Duża ilość i różnorodność danych wymusiła zastosowanie obiektowego przetwarzania danych teledetekcyjnych, tj. klasyfikacji OBIA (ang. Object Based Image Analysis). W wyniku przeprowadzanej klasyfikacji otrzymano 10 klas pokrycia i użytkowania terenu dla dwóch terminów badawczych (1986-87 oraz 2010-11), tj.: grunty orne, użytki zielone, tereny zurbanizowane, rzeki i cieki, zbiorniki wodne, lasy iglaste, lasy liściaste, zadrzewienia i zakrzewienia, tereny różne oraz torfowiska. Wykazano, iż na obszarze Małopolski wystąpiło znaczne zwiększenie powierzchni lasów (wzrost o 4.4%) oraz terenów zurbanizowanych (wzrost o 2.4%), głównie kosztem powierzchni gruntów rolnych (ubytek o 3.6%) oraz trwałych użytków zielonych (ubytek o 1.2%). Otrzymane wyniki pozwoliły wysunąć wniosek, iż zmiany jakie zachodziły w przeciągu 25 lat oraz te, z którymi wciąż mamy do czynienia w województwie małopolskim, pokrywają się z ogólnymi kierunkami i trendami przemian krajobrazu obserwowanymi w Polsce w ostatnich trzech dekadach, tj. procesami sukcesji wtórnej zbiorowisk leśnych na gruntach, na których zaprzestano produkcji rolnej oraz związanych z inwestycjami infrastruktury drogowej i kolejowej. Zastosowanie automatycznej klasyfikacji obiektowej oraz analiz przestrzennych GIS pozwoliło na realizację opracowania dla obszaru ponad 15.000 km2 w ciągu zaledwie kilku tygodni.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2013, 25; 273-284
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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