Aνάλυση υφής για βελτιωμένη ταξινόμηση δασικών συστάδων
Από RemoteSensing Wiki
Πρωτότυπος τίτλος: A multiscale texture analysis procedure for improved forest stand classification
Συγγραφείς: C. A. Coburn & A. C. B. Roberts
Πηγή: Coburn, C. A., & Roberts, A. C. B. (2004). A multiscale texture analysis procedure for improved forest stand classification . International Journal of Remote Sensing, 25(20), 4287–4308. https://doi.org/10.1080/0143116042000192367\
Λέξεις κλειδιά: Multiscale texture analysis, Image classification, Local variance, Second-order statistics, Forest stand classification, Spectral information, Geostatistical analysis, Remote sensing, Classification accuracy, Kappa index, Forest environment.
Σύνδεσμος πρωτότυπου κειμένου: https://www.researchgate.net/publication/229024713_A_multiscale_texture_analysis_procedure_for_improved_forest_stand_classification
ΑΝΤΙΚΕΙΜΕΝΟ ΕΡΕΥΝΑΣ (Objective) Η έρευνα επικεντρώνεται στη βελτίωση της ακρίβειας ταξινόμησης εικόνας για τη διάκριση δασικών σχηματισμών χρησιμοποιώντας την ανάλυση υφής. Ειδικότερα, εξετάζεται η εφαρμογή της πολυκλιματικής ανάλυσης υφής μέσω τεχνικών που αξιοποιούν διαφορετικά μεγέθη παραθύρων και μέτρα υφής (τοπική διακύμανση και δευτερογενή στατιστικά μέτρα όπως η εντροπία και η γωνιακή δεύτερη στιγμή) για τη βελτίωση των ταξινομήσεων εικόνας και τη διάκριση μεταξύ διαφορετικών δασικών τύπων και άλλων κατηγοριών εδάφους (π.χ., νερό, δρόμοι).
ΣΚΟΠΟΣ ΕΦΑΡΜΟΓΗΣ (Purpose)
Ο σκοπός της έρευνας είναι να εξετάσει τη χρησιμότητα της προσθήκης πληροφοριών υφής στην ταξινόμηση εικόνας σε δασικές περιοχές με την πολυκλιματική ανάλυση υφής, συγκρίνοντας τη χρήση μεγεθών παραθύρων διαφορετικών κλιμάκων και τη σύγκριση διαφορετικών μεθόδων μέτρησης της υφής. Στόχος είναι η βελτίωση της ακρίβειας της ταξινόμησης και της διάκρισης δασικών σχηματισμών που διαφέρουν στο δομικό και υφιστάμενο τους αλλά όχι στο φάσμα, όπως τα είδη Douglas fir και pine.
ΜΕΘΟΔΟΙ (Methods)
Εποπτική ταξινόμηση: Χρησιμοποιήθηκε εποπτική ταξινόμηση για την κατηγοριοποίηση των δασικών περιοχών σε βάση των χαρακτηριστικών του φάσματος και της υφής.
Πολυκλιματική προσέγγιση: Εξετάστηκε η επίδραση διαφορετικών μεγεθών παραθύρων στην ακρίβεια ταξινόμησης με την εφαρμογή πολλαπλών παραθύρων υφής (από 565 έως 15615) για να προστεθεί περιγραφική πληροφορία υφής στην εικόνα.
Τοπική διακύμανση: Εξετάστηκε η χρήση της τοπικής διακύμανσης ως μέτρο υφής, το οποίο αποδείχθηκε αποτελεσματικότερο στην ενίσχυση της διάκρισης των δασικών σχηματισμών.
Δευτερογενή στατιστικά μέτρα (GLCM): Εξετάστηκαν μέτρα υφής από τον πίνακα GLCM (contrast, entropy, angular second moment), για να εκτιμηθεί η επίδρασή τους στην ταξινόμηση των περιοχών.
ΥΛΙΚΑ (Materials)
Δεδομένα τηλεπισκόπησης: Χρησιμοποιήθηκαν δεδομένα τηλεπισκόπησης υψηλής χωρικής ανάλυσης από την περιοχή μελέτης (από δορυφορικές εικόνες) για την κατηγοριοποίηση των δασικών σχηματισμών και άλλων τύπων εδάφους.
Προγράμματα επεξεργασίας εικόνας: Χρησιμοποιήθηκαν εργαλεία ανάλυσης εικόνας για την εξαγωγή και επεξεργασία της υφής, όπως λογισμικό GIS και ειδικά προγράμματα ταξινόμησης εικόνας.
ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ (Area of study)
Η περιοχή μελέτης βρίσκεται σε δασικές περιοχές του Ben Lake, οι οποίες περιλαμβάνουν διαφορετικούς δασικούς τύπους όπως το Douglas fir (Pseudotsuga menziesii) και το pine (κυρίως τα είδη Pinus contorta και Pinus ponderosa). Η περιοχή περιλαμβάνει επίσης άλλες επιφάνειες όπως νερό και δρόμους. Η περιοχή έχει υψηλή χωρική διαφοροποίηση, με δασικούς σχηματισμούς που ποικίλλουν στις δομικές τους ιδιότητες.
ΑΠΟΤΕΛΕΣΜΑΤΑ (Results)
Ακρίβεια ταξινόμησης: Η προσθήκη πληροφοριών υφής μέσω τοπικής διακύμανσης και δευτερογενών στατιστικών μέτρων αύξησε την ακρίβεια της ταξινόμησης, με την πολυκλιματική ανάλυση υφής να προσφέρει την καλύτερη απόδοση.
Επίδραση του μεγέθους του παραθύρου: Η επίδραση του μεγέθους του παραθύρου ήταν σημαντική, με τα μικρότερα παράθυρα να αποδίδουν καλύτερα σε περιοχές με χαμηλότερη διαφοροποίηση και τα μεγαλύτερα παράθυρα σε περιοχές με μεγαλύτερη χωρική διαφοροποίηση.
Πολυκλιματική ανάλυση υφής: Η χρήση διαφορετικών μεγεθών παραθύρων μέσω της πολυκλιματικής ανάλυσης έφερε βελτίωση στην ακρίβεια της ταξινόμησης. Ειδικότερα, η πολυκλιματική προσέγγιση με την τοπική διακύμανση οδήγησε σε βελτίωση της ταξινόμησης των Douglas fir/pine και pine/Douglas fir.
Δείκτης Kappa: Η πολυκλιματική προσέγγιση αύξησε τον δείκτη Kappa κατά περίπου 19% σε σχέση με την κλασική ταξινόμηση μόνο με φασματικά δεδομένα. Η ακρίβεια ταξινόμησης αυξήθηκε από το 61,24% σε 74,69%.
ΣΥΜΠΕΡΑΣΜΑΤΑ (Conlusions)
Πολυκλιματική ανάλυση υφής: Η πολυκλιματική προσέγγιση στην ανάλυση υφής προσφέρει καλύτερα αποτελέσματα στην ταξινόμηση περιοχών με σύνθετες υφές και αναδεικνύεται η ανάγκη χρήσης διαφορετικών μεγεθών παραθύρων για τη βελτίωση της ταξινόμησης.
Τοπική διακύμανση vs Δευτερογενή στατιστικά μέτρα: Η τοπική διακύμανση απέδειξε ότι είναι πιο αποτελεσματική από τα δευτερογενή στατιστικά μέτρα στην ταξινόμηση των δασικών σχηματισμών.
Ακρίβεια ταξινόμησης: Η προσθήκη υφής στην ταξινόμηση μέσω πολυκλιματικής ανάλυσης και η επιλογή του κατάλληλου μεγέθους παραθύρου προσέφεραν αύξηση στην ακρίβεια, ιδιαίτερα για τους Douglas fir/pine και pine/Douglas fir.
Μη βελτιστοποιημένο μέγεθος παραθύρου: Δεν υπάρχει ένα «βελτιστοποιημένο» μέγεθος παραθύρου για όλες τις περιοχές, καθώς τα χαρακτηριστικά της υφής διαφέρουν μεταξύ των περιοχών και απαιτούν διαφορετικά μεγέθη παραθύρων για καλύτερη διάκριση.
Διάγραμμα 1. Ταξινόμηση που προέρχεται από τη χρήση μόνο των δεδομένων διακύμανσης από 565 έως 15615 παράθυρα.
