Μέθοδος φαινολογίας βασισμένη σε εικονοστοιχεία για την ταξινόμηση περιβάλλοντος δορυφορικών εικόνων - Εποπτευόμενη προσέγγιση

Από RemoteSensing Wiki

(Διαφορές μεταξύ αναθεωρήσεων)
Μετάβαση σε: πλοήγηση, αναζήτηση
Sokratis Konstantos (Συζήτηση | Συνεισφορές/Προσθήκες)
(Νέα σελίδα με ''''Τίτλος: Pixel Based Phenology Method for Satellite Image Environment Classification – Supervised Approach ''' '''Συγγραφέας: KR. Sivabalan, Dr. E. Ram...')
Επόμενη επεξεργασία →

Αναθεώρηση της 18:16, 12 Μαρτίου 2019

Τίτλος: Pixel Based Phenology Method for Satellite Image Environment Classification – Supervised Approach Συγγραφέας: KR. Sivabalan, Dr. E. Ramaraj Link αρχικού άρθρου: [[http:// https://www.academia.edu/35039144/Pixel_Based_Phenology_Method_for_Satellite_Image_Environment_Classification_Supervised_Approach ]]

Sa3e1.png
Sa3e2.png
Sa3e3.png

1. Αντικείμενο εργασίας Το αντικείμενο της παρούσας εργασίας είναι η ανάδειξη μίας νέας μεθόδου ταξινόμησης φασματικών δορυφορικών εικόνων. Η μέθοδος ονομάζεται «Pixel Based Phenology Method» (PBPM) και βασίζεται στην επιβλεπόμενη ταξινόμηση με την εφαρμογή μία συγκεκριμένης πράξης καναλιών και το αποτέλεσμα είναι πολύ ακριβές κάτι το οποίο είναι απαραίτητο για την καλύτερη επεξεργασία μιας εικόνας.

2. Μεθοδολογία Τα δεδομένα που χρησιμοποιήθηκαν είναι πολυφασματικές εικόνες από το δορυφόρο Landsat 8 από αισθητήρα OLIS, TRIS. Αρχικά συλλέχθηκαν οι δορυφορικές πολυφασματικές εικόνες και στη συνέχεια προσδιορίστηκε η περιοχή μελέτης βάση συγκεκριμένων απαιτήσεων. Έπειτα εφαρμόστηκε η πράξη καναλιών PBP για να πάρουν τα εικονοστοιχεία την κατάλληλη τιμή φωτεινότητας η οποία θα βοηθήσει στην ταξινόμιση. NearInfraRed + ShortWave_InfraRed2*Coastal Panchromatic

                        PBP=

Για την εκτέλεση της ταξινόμησης, για την μέγιστη ακρίβεια, επιλέγονται 7 περιοχές εκπαίδευσης. Η σωστή απόδοση της ταξινόμησης ελέγχεται μέσω επίγειων περιοχών ελέγχου και τον συντελεστή k.


3. Αποτελέσματα- Αξιολόγηση Παρακάτω παρατίθενται τα αποτελέσματα της ταξινόμησης (Fig.1) και ο πίνακας σύγχυσης για την ταξινόμηση με PBP. Kappa Coefficient = 0.9366 Για την εξακρίβωση ότι η συγκεκριμένη μέθοδος υπερτερεί των υπαρχόντων έγινε η ίδια ταξινόμηση με τα ίδια δεδομένα αλλα με τον δέικτη NDVI και EVI. Παρακάτω φαίνεται η σύγκριση της ακρίβειας των 3 αποτελεσμάτων και ο δείκτης k για τα 3 αποτελέσματα.


4. Συμπεράσματα Όταν είναι διαθέσιμες εικόνες οι οποίες περιέχουν τα κανάλια NearInfraRed, ShortWave InfraRed2, Coastal και Panchromatic με την εφαρμογή της πράξης PBP και την εκτέλεση της μεθόδου της επιβλεπόμενης ταξινόμησης με 7 περιοχές εκπαίδευσης η PBPM είναι μία κατάλληλη και πολύ ακριβής μέθοδος.

Προσωπικά εργαλεία