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-based image analysis" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-10 z 10
    Tytuł:
    Zastosowanie obiektowo zorientowanej analizy obrazu (GEOBIA) wysokorozdzielczych obrazów satelitarnych w klasyfikacji obszaru miasta Krakowa
    Using the object-based image analysis (GEOBIA) in the classification of the very high resolution satellite images of Krakow municipality
    Autorzy:
    Wężyk, P.
    de Kok, R.
    Szombara, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/130169.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    klasyfikacja obiektowa (GEOBIA)
    Ikonos
    QuickBird
    automatyzacja
    pokrycie terenu
    OBIA (Object Based Image Analysis)
    automation
    land use
    Opis:
    Technologie teledetekcyjne oraz systemy GIS osiągnęły obecnie poziom rozwoju umożliwiający pełna implementacje automatycznych metod klasyfikacji oraz procesów kontroli i aktualizacji zasobów kartograficznych będących w posiadaniu administracji publicznej. Dane teledetekcyjne pozyskiwane nowoczesnymi metodami takimi jak: lotnicze kamery cyfrowe, skanery hiperspektralne, LiDAR badz VHRS - pozwalają na poprawne skonstruowanie procesu wspomagania podejmowania decyzji na poziomie lokalnym i regionalnym takich jak np. miejscowe plany zagospodarowania przestrzennego. Ogromne zbiory danych (np. LiDAR, VHRS) muszą być coraz częściej poddawane automatycznym procesom ich przetwarzania. Obiektowo zorientowana analiza obrazu (ang. Object Based Image Analysis; akronim: GEOBIA) - zwana potocznie klasyfikacja obiektowa, wykorzystuje zaawansowane algorytmy segmentacji rastra. Rozstrzygają one o liczbie generowanych obiektów na podstawie wartości jaskrawości piksela oraz „właściwości geometrycznych” (np. kształtu, grupowania się pikseli w homogeniczne obiekty, zwartości, etc). W kolejnych krokach obiekty te są klasyfikowane na podstawie licznych zależności i właściwości, jak np. parametru homogeniczności czy stosunku długości granic do powierzchni (wykrywanie krawędzi, budynków, działek etc). Klasyfikacja obiektowa może przyjąć strukturę hierarchiczna, to znaczy raz sklasyfikowane obiekty mogą posłużyć do stworzenia nowego wyższego hierarchicznie poziomu. Taka metodyka pozwala na przygotowanie scenariuszy postepowania klasyfikacyjnego zapisywanych do plików zwanych protokołami w oprogramowaniu DEFNIENS. Nowatorskie podejście do kwestii klasyfikacji obrazu bez potrzeby wykorzystywania pól treningowych zostało już potwierdzone wieloma projektami naukowymi i ich wdrożeniami (Wężyk, de Kok, 2005; de Kok, Wężyk, 2006). W prezentowanej pracy do przeprowadzenia klasyfikacji wykorzystano 2 sceny IKONOS z dnia 25.06.2005 roku (łączny obszar 194,7 km2) oraz 1 scenę QuickBird z dnia 07.09.2006 roku (167,7 km2). Prace zostały zlecone przez Biuro Planowania Przestrzennego UM Krakowa w listopadzie 2006 roku. Obrazy VHRS poddano ortorektyfikacji (Aplication Master 5.0, Inpho) w oparciu o współczynniki RPC ale także punkty dostosowania GCP pozyskane z ortofotomap Phare 2001 oraz NMT przekazanego przez BPP UMK (Wężyk et al., 2006). Do analizy obrazów VHRS wykorzystano kanał panchromatyczny (PAN) oraz wielospektralne (MS) zakresy promieniowania. Wstępne przetwarzanie kanałów PAN polegało na zastosowaniu filtrów krawędziowych (np. Lee Sigma), w wyniku działania których otrzymano tzw. obrazy pochodne wykorzystane w procesie segmentacji. Inne obrazy biorące udział w tym złożonym procesie składającym się z 11 kroków to: poszczególne kanały MS (Blue, Green, Red, NIR), dla których wykonano analizę głównych składowych (ang. Principal Component Analysis), mapa ewidencyjna (obraz rastrowy) wykorzystywana w projekcie kartowania zieleni rzeczywistej Krakowa (służąca głównie klasyfikacji budynków przy wykorzystaniu PC3), rastrowa warstwa sieci dróg pochodząca z wektoryzacji ekranowej VHRS i z map ewidencyjnych. W toku uzgodnień z BPP UMK podjęto decyzje o przyjęciu dwóch poziomów hierarchicznych klas pokrycia terenu. Poziom 1 składał się z 9-ciu klas zajmujących odpowiednio: tereny zainwestowane – 17,42%, zieleń wysoka – 24,99%, zieleń niska – 44,31%, zieleń terenów sportowych oraz ogródków działkowych – 1,39%, zbiorniki wodne i rzeki – 1,94%, infrastruktura drogowa – 3,48%, hałdy + wysypiska + odsłonięta gleba – 0,84%, grunty orne i uprawy – 5,35% oraz cień – 0,28% obszaru badan. Trzy klasy poziomu 1, tj.: tereny zainwestowane, zieleń niska i zieleń wysoka) zdecydowano się zaprezentować na wyższym – 2 poziomie szczegółowości. Wraz z pozostałymi klasami poziom ten składał się łącznie z 22 klas. Osiągnięte rezultaty potwierdziły szerokie możliwości stosowania automatycznych metod OBIA bazujących na VHRS i innych informacjach pochodzących z systemów GIS oraz z zasobów geodezyjnokartograficznych w celu ich aktualizacji.
    Recent developments in Remote Sensing and GIS have reached maturity which allows to implement the research results into standardized process flows for updating and checking the municipality cadastral information. The database containing the city cadastre already handles data fusion methods itself. Available information considerably enhance information extraction from new data collections with high quality sensors such as LiDAR, photogrammetrical imagery and VHRS data. Huge amounts of available data must be processed in sequences to keep them handable. Transferable protocols for automatic handling of VHRS data can now be put into a full production process to assist the workflow of other image data from airborne platforms and integrate these GIS output into further cadastral GIS analysis. The data fusion within this project allows a highly detailed description of the city status-quo and the basis for change detection. Further these results are besides a very important archival inventory also a basis for decision support, now and in the future. The whole workflow was of a chain of previous research projects which were put into a commercial workflow. This study shows an experience report on, how the product chain was built-up and what type of products were delivered to the municipality of Krakow (Poland).
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2007, 17b; 791-800
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Monitoring the secondary forest succession and land cover/use changes of the Błędów Desert (Poland) using geospatial analyses
    Autorzy:
    Szostak, Marta
    Wężyk, Piotr
    Hawryło, Paweł
    Puchała, Marta
    Powiązania:
    https://bibliotekanauki.pl/articles/1052864.pdf
    Data publikacji:
    2016-09-15
    Wydawca:
    Uniwersytet im. Adama Mickiewicza w Poznaniu
    Tematy:
    LULC changes
    Geographic Object Based Image Analysis (GEOBIA)
    pixel-based classification
    GIS analyses
    secondary forest succession
    Opis:
    The role of image classification based on multi-source, multi-temporal and multi-resolution remote sensed data is on the rise in the environmental studies due to the availability of new satellite sensors, easier access to aerial orthoimages and the automation of image analysis algorithms. The remote sensing technology provides accurate information on the spatial and temporal distribution of land use and land cover (LULC) classes. The presented study focuses on LULC change dynamics (especially secondary forest succession) that occurred between 1974 and 2010 in the Błędów Desert (an area of approx. 1210 ha; a unique refuge habitat – NATURA 2000; South Poland). The methods included: photointerpretation and on screen digitalization of KH-9 CORONA (1974), aerial orthoimages (2009) and satellite images (LANDSAT 7 ETM+, 1999 and BlackBridge – RapidEye, 2010) and GIS spatial analyses. The results of the study have confirmed the high dynamic of the overgrowth process of the Błędów Desert by secondary forest and shrub vegetation. The bare soils covered 19.3% of the desert area in 1974, the initial vegetation and bush correspondingly 23.1% and 30.5%. In the years 2009/2010 the mentioned classes contained: the bare soils approx. 1.1%, the initial vegetation– 8.7% and bush – 15.8%. The performed classifications and GIS analyses confirmed a continuous increase in the area covered by forests, from 11.6% (KH-9) up to 24.2%, about 25 years later (LANDSAT 7) and in the following 11 years, has shown an increase up to 35.7% (RapidEye 2010).
    Źródło:
    Quaestiones Geographicae; 2016, 35, 3; 5-13
    0137-477X
    2081-6383
    Pojawia się w:
    Quaestiones Geographicae
    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:
    Aktualizacja mapy glebowo-rolniczej z wykorzystaniem klasyfikacji obiektowej (OBIA) zobrazowań teledetekcyjnych oraz analiz przestrzennych GIS
    Update of the digital soil map using object based image analysis (OBIA) of remote sensing data and GIS spatial analyses
    Autorzy:
    Wężyk, P.
    Pierzchalski, M.
    Szafrańska, B.
    Kortas, G.
    Powiązania:
    https://bibliotekanauki.pl/articles/129994.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    mapa glebowo-rolnicza
    klasyfikacja obiektowa
    OBIA
    aktualizacja
    analiza przestrzenna GIS
    soil map
    object-based image analysis
    map up-date
    spatial GIS analysis
    Opis:
    Aktualność map glebowo-rolniczych w Polsce sięga najczęściej lat sześćdziesiątych poprzedniego wieku, stąd wymagają one nie tylko konwersji z formy analogowej (papierowej) do cyfrowej, ale przede wszystkim weryfikacji treści w stosunku do rzeczywistych klas pokrycia i użytkowania terenu. Rozwój miast, wsi, dróg i innych inwestycji infrastrukturalnych, jaki nastąpił w minionych 50 latach oraz nasilenie się w ostatniej dekadzie procesów socjoekonomicznych skutkujących porzucaniem upraw rolnych i zajmowania tych terenów przez lasy, spowodował dużą dezaktualizację treści geometrycznej mapy glebowo-rolniczej. Przeprowadzenie weryfikacji treści geometrycznej mapy glebowo-rolniczej dla skali województwa małopolskiego wymagało zastosowania obiektowej klasyfikacji (OBIA, ang. Object Based Image Analysis) aktualnych zobrazowań teledetekcyjnych. Proces OBIA realizowano w oprogramowaniu eCognition Developer 8.64 (Trimble GeoSpatial). Należało go możliwie daleko zautomatyzować ze względu na dużą powierzchnię opracowania (ok. 15000 km2). Otrzymane wyniki skontrolowano na podstawie kilkuset powierzchni referencyjnych (wektoryzacja ekranowa dokonana przez operatora). Analizy przestrzenne GIS aktualizujące przebieg poligonów mapy glebowo-rolniczej o nowe powstałe obiekty zrealizowano w trybie wsadowym (Model Builder, Esri). Uzyskane wyniki wykazały, iż największe zmiany, tj. przyrost powierzchni (procentowo) zanotowano w przypadku klas: „Las” (Ls; +8.2%) oraz „Tereny zabudowane” (Tz; +6.3%), przy jednoczesnym ubytku wszystkich kompleksów (ID 1÷13) wykorzystywanych pod uprawy rolne o -10.5% (z czego -4.9% w rejonach górskich). Ubytek trwałych użytków zielonych (1z, 2z oraz 3z) na zaktualizowanej mapie glebowej oceniona na około (-4.2%). Zastosowane algorytmy weryfikacyjne oraz aktualizacyjne pozwalają stwierdzić, iż klasyfikacja obiektowa OBIA aktualnych zobrazowań teledetekcyjnych (satelitarnych i lotniczych) w połączeniu z daleko zautomatyzowanymi analizami przestrzennymi GIS może być wykorzystywana w procesie aktualizacji mapy glebowo-rolniczej.
    The analogue soil maps (paper sheets; scale 1:5000) were made in Poland most likely in the 60-ties of XX century. Today, they need not only conversion from analogue form to digital (raster or vector) format but also quick and objective map revision. Soil maps become outdated and they don't represent actual land use or land cover (LULC). Rapid growth of cities and the country side development as well as infrastructure constructions have to be included in up-dated soil map. During the last 50 years in Małopolska Voivodeship, many hectares of arable land were abandoned and changed in natural way (succession) in to the class forest. In year 2010 the Marshal office of Małopolska Voivodeship decide to convert the archive of analogue soil map to shape file with connected database. In 2011 another project was started with main goal of up-date of the soil map (about 15 000 km2). The special work-flow of geoinformation technologies was used for fulfill this goal. Object Based Image Analysis (OBIA) meets the criteria for fast and accurate Land Use & Land Cover (LULC) classification method of the RapidEye (from years 2010/2011) high resolution satellite images. Application of this object based classification method, together with GIS analysis ensures very high degree of work automation. The results obtained shows, that the most changes in a land cover were observed in urban areas (Tz; +6.3%) and forests (Ls; + 8.2%). The area of all other agricultural used soil complexes decreased in the same time about -10.5% (in the mountainous areas approx. -4.9%). The class pastures and meadows also decrease during the last 50 years about -4.2%. This project demonstrates success story of using the modern GIS techniques to verify and update soil map of Małopolska Voivodeship based on the OBIA of RapidEye satellite imaginary and aerial orthophotomaps (RGB).
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 23; 477-488
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wzmocnienie procesu klasyfikacji obiektowej wielospektralnych ortofotomap lotniczych danymi z lotniczego skanowania laserowego
    Enhancing the obia classification of multispectral aerial orthoimages using airborne laser scanning data
    Autorzy:
    Wężyk, P.
    Mlost, J.
    Pierzchalski, M.
    Wójtowicz-Nowakowska, A.
    Szwed, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/129858.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    klasyfikacja obiektowa
    OBIA
    ortofotomapa cyfrowa
    lotniczy skaning laserowy
    projekt ISOK
    object-based image analysis
    digital aerial orthophoto
    Airborne Laser Scanning
    ISOK
    Opis:
    Klasyfikacja obiektowa (OBIA, ang. Object Based Image Analysis) jest nowatorską metodą analizy zobrazowań teledetekcyjnych, w której homogeniczne obiekty (segmenty), na które podzielony został obraz (za pomocą specyficznych algorytmów) poddawane są klasyfikacji. Dotychczasowe projekty wykazały, iż OBIA przeprowadzana na wysokorozdzielczych i wielospektralnych lotniczych ortofotomapach cyfrowych, wspierana modelami wysokościowymi, prowadzi do uzyskania bardzo dokładnych wyników. Stosunkowo niewiele prac koncentruje się na określeniu wpływu produktów pochodnych chmury punktów lotniczego skanowania laserowego (ang. Airborne Laser Scanning), takich jak wartość: odchylenia standardowego wysokości, gęstości punktów czy intensywności odbicia, na poprawę wyników klasyfikacji OBIA. W prezentowanej pracy poddano ocenie wzmocnienie procesu klasyfikacji OBIA danymi ALS na podstawie dwóch transektów badawczych („A” oraz „B”) o powierzchni 3 km2, położonych w okolicach Włocławka. Celem końcowym procesu analizy OBIA było uzyskanie aktualnej mapy klas pokrycia terenu. W opracowaniu wykorzystano lotnicze ortofotomapy cyfrowe oraz dane z lotniczego skaningu laserowego, pozyskane na przełomie sierpnia I września 2010 roku. Na podstawie punktów danych ALS wygenerowano warstwy pochodne takie jak: liczba odbić, intensywność, odchylenie standardowe, jak również wygenerowano znormalizowany Numeryczny Modelu Powierzchni Terenu (zNMPT). W wariancie pierwszym „I” wykorzystano dane uzyskane wyłącznie w nalocie fotogrametrycznym, tj. wielospektralne ortofotomapy lotnicze (kamera Vexcel) oraz indeksy roślinności (w tym NDVI i in.). Wariant drugi prac ”II” zakładał wykorzystanie dodatkowo danych z lotniczego skaningu laserowego. Określona dokładność klasyfikacji OBIA wykonanej w oparciu o cyfrową ortofotomapę lotniczą wyniosła 91.6% dla transektu badawczego „A” oraz 93.1% dla transektu „B”. Użycie danych ALS spowodowało podniesienie dokładności ogólnej do poziomu 95.0% („A”) oraz 96.9% („B”). Praca wykazała, iż zastosowanie danych ALS podnosi dokładność klasyfikacji segmentów o bardzo zbliżonych właściwościach spektralnych (np. rozróżnienie powierzchni dużych, płaskich dachów budynków od parkingów czy klas roślinności niskiej od średniej i wysokiej. Wprowadzenie warstw pochodnych ALS do procesu segmentacji poprawia także kształt powstających obiektów a tym samym klas końcowych. Analiza „surowych” danych ALS w postaci plików w formacie LAS otwiera dodatkowe możliwości, których nie daje wykorzystywanie rastrowych warstw takich jak zNMPT. Pojawiająca się w nowej wersji oprogramowania eCognition (TRIMBLE) możliwość operowania segmentami przestrzennymi jeszcze te możliwości klasyfikacji podnosi. Niewątpliwie sporym problemem w integracji informacji spektralnej (ortoobraz) oraz geometrycznej (ALS) jest efekt rzutu środkowego skutkujący przesunięciami radialnymi dla wysokich obiektów leżących w znacznej odległości od punktu głównego zdjęcia.
    Object Based Image Analysis (OBIA) is an innovative method of analyzing remote sensing data based not on the pixels, but on homogenous features (segments) generated by specific algorithms. OBIA based on high-resolution aerial orthophotography and powered by digital terrain models (nDSM) brings high accuracy analysis. Not many scientific papers brings implementation of ALS point cloud directly into OBIA image processing. Paper present study done on two test areas of approx. 3 km2, situated close to Wloclawek, representing different land use classes (transect “A” – urban area; transect “B” – rural and forest landscape). Geodata (digital aerial orthophotographs and Airborne Laser Scanning data) were captured almost at the same time (September 2010). Different raster layers were created from *. LAS file, like: intensity, number of returns, normalized elevation (nDSM). Two version (I and II) of OBIA classification were performed. First version (I) based only on aerial orthophotographs and different coefficients (like NDVI). Second variant of OBIA (wariant II) based additionally on ALS data. Total accuracy of variant I was 94.1% (transect “A”) and 92.6% (transect “B”). OBIA classification powered by ALS data provide to increase of the results up to 96.9% (transect “A”) and 95.0% (transect “B”) as well. Classification of objects with similar type of surface properties (like buildings and bare soil) was much better using ALS information. The ALS data improve also the shape of objects, that there are more realistic. Data fusion in OBIA processing brings new capabilities,. These capabilities are bigger thanks to processing based on 3-dimensional segments. The results of analysis would be more accurate, when orthoimages (“true ortho”) would be used, instead of standard orthophotographs. The running ISOK project in Poland will bring soon a huge data set (approx. 150 TB) of ALS and photogrammetry connected products. This situation requires suitable software to analyze it fast and accurate on the full automatic way. The OBIA classification seems to be a solution for such challenge.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 23; 467-476
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikacja pokrycia terenu metodą OBIA z wykorzystaniem zobrazowań satelitarnych RapidEye
    Land cover mapping based on OBIA of RapidEye satellite data
    Autorzy:
    Wężyk, P.
    Wójtowicz-Nowakowska, A.
    Pierzchalski, M.
    Mlost, J.
    Szwed, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/131104.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    wysokorozdzielcze zobrazowania satelitarne
    RapidEye
    analiza obiektowa obrazu
    OBIA
    segmentacja
    eCognition
    pokrycie terenu
    high-resolution satellite images
    object-based image analysis
    segmentation
    land use
    land cover
    Opis:
    Wraz z rozwojem teledetekcji i wysokorozdzielczych obrazów satelitarnych istotnym wyzwaniem dla współczesnych badań stało się zautomatyzowanie procesu klasyfikacji pozyskiwanych danych. Jedną z bardzo szybko rozwijających się metod automatycznej klasyfikacji jest analiza obiektowa obrazu (OBIA, ang. Object Based Image Analysis). Celem pracy było wykorzystanie metody OBIA w przygotowaniu aktualnej mapy pokrycia terenu będącej ważnym elementem dokumentacji niezbędnej dla studium uwarunkowań budowy nowej hydroelektrowni na środkowym odcinku Wisły. W pracy wykorzystano wysokorozdzielcze zobrazowania satelitarne RapidEye (5 kanałów spektralnych, w tym dwa w zakresie NIR) pokrywające obszar około 5.300 km2 oraz oprogramowanie eCognition (TRIMBLE Geospatial) a także warstwy informacyjne GIS. W wyniku przeprowadzonych analiz uzyskano mapę pokrycia terenu reprezentowaną przez 29 klas. Największą powierzchnię terenu badań zajmują obszary użytkowane rolniczo (59.5%, z czego 35.5% grunty orne) oraz lasy (29.1%, z czego 21.4% drzewostany iglaste), co świadczy o charakterze tej jednostki fizjograficznej. Analiza dokładności uzyskanych wyników wykazała, iż metoda OBIA daje bardzo dobre rezultaty (współczynnik Kappa równy 0.8) w daleko zautomatyzowanym procesie generowania aktualny map pokrycia terenu dla obszarów centralnej Polski na podstawie obrazów satelitarnych RapidEye.
    Parallel with the development of remote sensing and high resolution satellite images major challenge for modern research has become almost to automate the classification of the data obtained. One of the most rapidly developing methods for automatic classification is object-oriented image analysis (OBIA, Object Based Image Analysis). The aim of the present study was to use the OBIA method to create the current land cover map which is part of the documentation necessary for new water power-station on the middle part of Vistula river. In this paper the RapidEye satellite images (5 spectral bands, two in the NIR range) covering an area of about 5 300 km2 and eCognition Developer (TRIMBLE) software were used. As a result of the analysis and land cover map was obtained, represented by 29 classes. The largest area is covered by agricultural land (59.5%; arable land – 35.52%) and forests (29.1%; mainly coniferous 21.4%), reflecting the rural – forestry character of the area. Analysis of the accuracy of the obtained results has shown that the OBIA method gives quite good results (Kappa coefficient equal to 0.8) for land cover mapping of central part of Poland based on the RapidEye imageries.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 23; 489-500
    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
    Tytuł:
    Mapa zagrożenia erozyjnego gruntów rolnych w Małopolsce na podstawie klasyfikacji OBIA obrazów teledetekcyjnych oraz analiz przestrzennych GIS
    The map of agricultural land erosion risk assesment of Malopolska voivodeship (Poland) based on OBIA of remotely sensed data and GIS spatial analyses
    Autorzy:
    Wężyk, P.
    Drzewiecki, W.
    Wójtowicz-Nowakowska, A.
    Pierzchalski, M.
    Mlost, J.
    Szafrańska, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/130620.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    erozja wodna gleb
    mapa glebowo-rolnicza
    analiza obiektowa obrazu
    RapidEye
    model USLE
    analiza przestrzenna GIS
    water soil erosion
    digital soil map
    object oriented image analysis
    USLE model
    GIS spatial analysis
    Opis:
    Zjawisko erozji wodnej należy do głównych przyczyn degradacji gleb w Europie. Stanowi ono również główny czynnik degradujący gleby na obszarze Małopolski - regionu o najwyższym stopniu zagrożenia erozyjnego w skali Polski. Występując lokalnie, w zależności od warunków fizjograficznych, może stanowić poważny problem gospodarczy i środowiskowy. Silne zróżnicowanie fizjograficzne oraz różne formy pokrycia i użytkowania terenu województwa małopolskiego, stanowiły główną potrzebę przeprowadzenia oceny zagrożenia erozyjnego i nasilenia stopnia degradacji gleb. Projekt realizowany dla Urzędu Marszałkowskiego Województwa Małopolskiego miał na celu identyfikację obszarów, które w największym stopniu narażone są na degradację(erozję potencjalną, czyli taką, jaka miałaby miejsce na polu użytkowanym jako czarny ugór bez stosowania zabiegów przeciwerozyjnych oraz erozję aktualną, czyli z uwzględnieniem aktualnej struktury użytkowania i stosowanych zabiegów przeciwerozyjnych) przez co w pierwszej kolejności wymagają wdrożenia skutecznych metod ochrony gleb użytkowanych rolniczo. W projekcie wykorzystano wysokorozdzielcze zobrazowania satelitarne systemu RapidEye z lat 2010-2011 oraz cyfrowe ortofotomapy lotnicze (RGB). Dane teledetekcyjne poddano zaawansowanej technologicznie klasyfikacji obiektowej (ang. OBIA - Object Based Image Analysis) w oprogramowaniu eCognition (Trimble Geospatial) wspartej analizami przestrzennymi GIS. Ocenę nasilenia erozyjnej degradacji gleb województwa małopolskiego przeprowadzono w oparciu o modelowanie z wykorzystaniem algorytmu USLE (ang. Universal Soil Loss Equation). Jest to najszerzej rozpowszechniony na świecie model erozyjny. W latach 90-tych XX wieku powstała nowa (zmodyfikowana) wersja modelu do określania erozji gleb, tj. (R)USLE. Ocena zagrożenia gleb województwa małopolskiego w aspekcie erozji potencjalnej wykazała, iż jedynie 15% powierzchni terenów użytkowanych rolniczo w województwie nie jest w zasadzie zagrożone erozją wodną. Na obszarze 28.6% terenów rolnych występuje natomiast potencjalnie średnie lub większe zagrożenie erozyjne - mogące skutkować trwałą degradacją profilu glebowego. Tereny zagrożone występują w największym nasileniu w południowej - górzystej części województwa. Ocena przeprowadzona w aspekcie erozji aktualnej pokazuje jednocześnie, iż rzeczywisty aktualny poziom zagrożenia erozyjnego jest znacznie niższy od potencjalnego. Ponad 40% terenów rolniczych nie jest obecnie narażonych na występowanie zjawisk erozji wodnej gleb, a erozja na poziomie średnim lub wyższym stwierdzana jest dla 10% powierzchni tych obszarów. Oznacza to, iż sposób prowadzenia gospodarki rolnej w znacznym stopniu ogranicza występowanie zjawisk erozyjnych. Podsumowując w przypadku województwa małopolskiego zagrożenie erozyjne użytków rolnych należy ocenić jako średnio-wysokie i dość mocno zróżnicowane terytorialnie. Zastosowana metodyka prac poza dużą oszczędnością czasu jaką przyniosła klasyfikacja obiektowa (OBIA) wykazała także możliwość wykorzystania modelu erozji (R)USLE dla jednostek administracyjnych o znacznej powierzchni, takich jak: powiat czy województwo.
    In 2011 the Marshal Office of Malopolska Voivodeship decide to evaluate the vulnerability of soils to water erosion for the entire region. The special work-flow of geoinformation technologies was used to fulfil this goal. First of all, the soil map had to be updated to include changes in land use and land cover which took place since 1960s, when most of them were made. The process of soil map updating had to be realised with very high degree of automation, because of the large area to be mapped (ca. 15 000 km sq.) and limited time period (ca. 3 months for complete erosion risk assessment). The approach used was based on the Object Based Image Analysis (OBIA) of orthophotomaps from both high resolution satellite images (RapidEye) and digital aerial photographs and applied GIS spatial analyses. Soil map with up-to-date land use and land cover information, together with rainfall data, detailed Digital Elevation Model and statistical information about areas sown with particular crops created the input information for erosion modelling in GIS environment. Soil erosion risk assessment was based on (R)USLE approach. Both, the potential and the actual soil erosion risk were assessed quantificatively and qualitatively. The soil erosion risk assessment for Malopolska Voivodeship showed that only 15% of the agricultural land in the region is generally free of the risk of water erosion. For the 28.6% of agricultural land the potential medium or higher risk of erosion exist - which can result in permanent degradation of the soil profile. The study was presented in forms of digital thematic maps and reports prepared for the entire area of Malopolska Voivodeship and each administrative district as well.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 24; 403-420
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wpływ własności ortofotomapy cyfrowej na wyniki klasyfikacji obiektowej pokrycia terenu
    The effect of ortophotomap properties on the results of object-based classification of land cover
    Autorzy:
    Adamczyk, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/131020.pdf
    Data publikacji:
    2013
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    ortofotomapa
    true ortho
    GEOBIA
    analiza obiektowa
    klasyfikacja obrazu
    ortophotomap
    true-ortho
    object analysis
    image classification
    Opis:
    Wysokorozdzielcza ortofotomapa lotnicza coraz częściej stosowana jest do wykonywania inwentaryzacji pokrycia terenu. W artykule postawiono tezę, że zadanie to może zostać zrealizowane za pomocą analizy obiektowej zobrazowań teledetekcyjnych (GEOBIA), jednak wynik zależy od cech jakościowych ortofotomapy, zastosowanej procedury przetworzeń oraz doświadczenia operatora. Za najważniejszy uznano pierwszy z tych czynników i odniesiono się do niego w świetle istniejących polskich wytycznych technicznych. Określono pożądane cechy ortofotomapy, które warunkują jakość wykonanej klasyfikacji obiektowej. W celu omówienia podzielono je na następujące grupy: rozdzielczość przestrzenna, liczba i rodzaj kanałów uczestniczących w procedurach klasyfikacyjnych, dokładność geometryczna i rodzaj ortorektyfikacji, cechy fotometryczne, lokalnie występujące błędy. Ich wpływ na procedurę klasyfikacyjną jest dwojaki: mogą one uniemożliwiać przeprowadzenie klasyfikacji lub przysporzyć dodatkowej pracy przy poprawianiu jej wyników. Uwzględnienie sformułowanych zaleceń znacznie ułatwi przeprowadzenie klasyfikacji tak wysokorozdzielczego zobrazowania.
    High resolution ortophotomap is frequently used for land cover inventory. The paper presents conditions under which the task of automated image classification can be accomplished using GeoObject Image Analysis (GEOBIA): the ortophotomap quality, applied processing procedure, and operators experience. The first of them was recognized as most important and compared to the existing polish technical guidelines regarding the quality of the ortophotomap. The desired features of the remote sensing material were presented according to the following fields: spatial resolution of imagery, number and type of image bands used for classification procedure, geometrical accuracy, the type of orthorectification procedure, photometric properties, local errors. The recommendations are addressed for facilitating the object-based classification of high resolution orthophotomap. They are useful for planning the organizational issues of the aerial flight to acquire images used for land cover inventory. The presented guidelines are also useful for assessing the cost of the possible correction of the obtained land cover classification, if the recommendations cannot be met.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2013, 25; 9-18
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Grafowa metoda segmentacji obiektów w postaci skupisk na przykładzie obrazów kometowych
    Graph-based aggregate object image segmentation method on example of comet assay images
    Autorzy:
    Bal, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/154889.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    analiza obrazów
    obiekty w postaci skupisk
    minimalne drzewo rozpinające
    test kometowy
    jednokomórkowa elektroforeza żelowa
    image analysis
    image segmentation
    aggregate objects
    minimum spanning tree
    comet assay
    single cell gel electrophoresis
    Opis:
    W pracy przedstawiono propozycję metody segmentacji obiektów będących skupiskami - przykładem takich obiektów są tzw. komety, które są wynikiem jednokomórkowej elektroforezy żelowej. Opracowana metoda działa dwuetapowo: etap 1. to segmentacja służąca wyznaczeniu elementów składowych należących do obiektów, etap 2 wykorzystuje minimalne drzewo rozpinające do określenia zbioru elementów tworzących poszczególne obiekty, obszar poszczególnych obiektów wyznaczany jest jako otoczka wypukła odpowiedniego drzewa rozpinającego.
    This paper deals with a problem of segmentation of aggregate objects, that is objects which are formed by a set of unconnected elements smaller than the object itself. Images of such a type of objects are very difficult for segmentation. An example of this type of objects are "comets" (Fig. 1, left column) from Single Cell Gel Electrophoresis images (also called comet assay images). In comet assay images the comet region is formed by unconnected fragments of DNA. Because of not satisfying results of comet segmentation with use of the standard methods, a new method for segmentation of such images was developed. The new method works in two stages. The first stage is the image segmentation-for comets the Bernsen binarization method (Eqs. (1) and (2)) with median filtering of the obtained results was chosen-the result of this stage is a set of comet elements ei which represent DNA fragments (Fig. 1, the 2nd column). In the second stage the minimum spanning trees Tp are created (Fig. 1, 3th column)-graph vertexes vi represent elements ei, and length dij of edge eij between vertexes vi and vj is equal to the closest distance between pixels of elements ei and ej-then for each connected tree Tp its convex hull which defines the region of comet Kp (Fig. 1, the 4th column) is created. In case of defects appearing in comet images, the incorrect region can be rejected e.g. by use of geometrical or photometrical features of the regions.
    Źródło:
    Pomiary Automatyka Kontrola; 2012, R. 58, nr 4, 4; 313-315
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-10 z 10

      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