ΒΕΛΤΙΩΣΗ ΤΗΣ ΤΑΞΙΝΟΜΗΣΗΣ ΤΩΝ ΑΣΤΙΚΩΝ ΠΕΡΙΟΧΩΝ ΜΕ ΧΡΗΣΗ ΤΟΥ ΑΛΓΟΡΙΘΜΟΥ ΤΗΣ ΚΑΤΑΤΜΗΣΗΣ ΓΙΑ ΕΙΚΟΝΕΣ Landsat ETM+

Από RemoteSensing Wiki

Έκδοση στις 09:06, 10 Φεβρουαρίου 2010 υπό τον/την Μιχαηλίδου Τίνα (Συζήτηση | Συνεισφορές/Προσθήκες)
('διαφορά') ←Παλιότερη αναθεώρηση | εμφάνιση της τρέχουσας αναθεώρησης ('διαφορά') | Νεώτερη αναθεώρηση→ ('διαφορά')
Μετάβαση σε: πλοήγηση, αναζήτηση


1. Αντικείμενο Εφαρμογής: ΒΕΛΤΙΩΣΗ ΤΗΣ ΤΑΞΙΝΟΜΗΣΗΣ ΤΩΝ ΑΣΤΙΚΩΝ ΠΕΡΙΟΧΩΝ ΜΕ ΧΡΗΣΗ ΤΟΥ ΑΛΓΟΡΙΘΜΟΥ ΤΗΣ ΚΑΤΑΤΜΗΣΗΣ ΓΙΑ ΕΙΚΟΝΕΣ Landsat ETM+

T15eik1.jpg

2. Στόχος Εφαρμογής: Στόχος της εφαρμογής είναι η σύγκριση μεταξύ των κλασικών μεθόδων ταξινόμησης, όπως η μέγιστης πιθανοφάνειας, με μία εναλλακτική μέθοδο αντικειμενοστραφούς ταξινόμησης.

3. Είδη Δορυφόρων, Δεκτών και Καναλιών: Για τη μελέτη της περιοχής χρησιμοποιήθηκαν δεδομένα Landsat-7 ETM+ όπως φαίνεται στην ΕΙΚΟΝΑ 1.

4. Χρησιμότητα Δορυφόρων, Δεκτών και Καναλιών: Τα τηλεπισκοπικά δεδομένα είναι σημαντική πηγή για τη δημιουργία και ενημέρωση βάσεων δεδομένων GIS για τα είδη και τις μεταβολές της εδαφοκάλυψης και για τις χρήσεις γης στις αστικές περιοχές.

T15pin1.jpg
T15eik2.jpg


5. Ψηφιακές επεξεργασίες/αλγόριθμοι και αποτελέσματα:

• Αντικειμενοστραφής ταξινόμηση: Η προσέγγιση του eCognition ορίζει ότι σε επίπεδο εικονοστοιχείου δεν μπορεί να παρουσιαστεί εννοιολογική πληροφορία σε αντίθεση με αντικείμενα που έχουν περιεχόμενο και δίνουν τη δυνατότητα μελέτης και της μεταξύ τους σχέσης. Το πρώτο βήμα της ανάλυσης είναι η δημιουργία ομοιογενών αντικειμένων-τμημάτων στην εικόνα με βάση τη φασματική πληροφορία αλλά και την πληροφορία των σχέσεων γειτνίασης. Η ανάλυση αυτή γίνεται με παραμέτρους κλίμακας, χρώματος, σχήματος, ομαλότητας και συνεκτικότητας, οι οποίες περιγράφουν το μέγεθος, το σχήμα και τη φασματική μεταβλητότητα κάθε αντικειμένου. Η διαδικασία εφαρμόζεται με τον αλγόριθμο της κατάτμησης ο οποίος δημιουργεί ένα δίκτυο αντικειμένων, όπου κάθε αντικείμενο ενώνεται με τους οριζόντιους ή κάθετους γείτονές του. Κάθε κλάση της ταξινόμησης περιέχει την περιγραφή της και κάθε περιγραφή περιέχει μία σειρά λογικών fuzzy εκφράσεων. Ο ΠΙΝΑΚΑΣ 1 δείχνει τις παραμέτρους με τις οποίες εφαρμόστηκε η κατάτμηση της εικόνας.

T15eik4.jpg

Στην ΕΙΚΟΝΑ 2 Α, Β και C φαίνονται τα αποτελέσματα της κατάτμησης της εικόνας για παράμετρο κλίμακας 5, 15 και 25 αντίστοιχα. Η τελική εικόνα της ταξινόμησης με την αντικειμενοστραφή ανάλυση δίνεται στην ΕΙΚΟΝΑ 4 μαζί με το υπόδειγμά της.

T15eik3.jpg

• Φασματική ταξινόμηση: Στην επιβλεπόμενη ταξινόμηση το πρώτο στάδιο ορίζεται από τον χρήστη και περιλαμβάνει τη δημιουργία περιοχών εκπαίδευσης. Στη συγκεκριμένη μελέτη χρησιμοποιήθηκε ο αλγόριθμος μέγιστης πιθανοφάνειας με το λογισμικό ERDAS Imagine 8.6. Στην ΕΙΚΟΝΑ 3 φαίνεται το αποτέλεσμα της ταξινόμησης μέγιστης πιθανοφάνειας.


6. Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων: Η κατάτμηση αποδεικνύεται ένα πολύ χρήσιμο εργαλείο για την εξαγωγή αντικειμένων στις αστικές περιοχές, πράγμα που κάνει την αντικειμενοστραφή ταξινόμηση πιο αποτελεσματική από τη φασματική.


ΠΡΩΤΟΤΥΠΟ ΑΡΘΡΟ Improvement of Land Use and Land Cover Classification of an Urban Area Using Image Segmentation from Landsat ETM+ Data W. Tadesse, T. L. Coleman, and T.D. Tsegaye

Ανακτήθηκε από το "http://147.102.106.44/rs/wiki/index.php/%CE%92%CE%95%CE%9B%CE%A4%CE%99%CE%A9%CE%A3%CE%97_%CE%A4%CE%97%CE%A3_%CE%A4%CE%91%CE%9E%CE%99%CE%9D%CE%9F%CE%9C%CE%97%CE%A3%CE%97%CE%A3_%CE%A4%CE%A9%CE%9D_%CE%91%CE%A3%CE%A4%CE%99%CE%9A%CE%A9%CE%9D_%CE%A0%CE%95%CE%A1%CE%99%CE%9F%CE%A7%CE%A9%CE%9D_%CE%9C%CE%95_%CE%A7%CE%A1%CE%97%CE%A3%CE%97_%CE%A4%CE%9F%CE%A5_%CE%91%CE%9B%CE%93%CE%9F%CE%A1%CE%99%CE%98%CE%9C%CE%9F%CE%A5_%CE%A4%CE%97%CE%A3_%CE%9A%CE%91%CE%A4%CE%91%CE%A4%CE%9C%CE%97%CE%A3%CE%97%CE%A3_%CE%93%CE%99%CE%91_%CE%95%CE%99%CE%9A%CE%9F%CE%9D%CE%95%CE%A3_Landsat_ETM%2B".
Προσωπικά εργαλεία