Μια Ήμι-αυτοματοποιημένη Αλυσίδα Επεξεργασίας Ανοιχτού Λογισμικού Για την Ταξινόμηση Αστικών Αντικείμενων

Από RemoteSensing Wiki

Έκδοση στις 10:26, 7 Μαρτίου 2018 υπό τον/την Φανδρίδη Χριστίνη (Συζήτηση | Συνεισφορές/Προσθήκες)
('διαφορά') ←Παλιότερη αναθεώρηση | εμφάνιση της τρέχουσας αναθεώρησης ('διαφορά') | Νεώτερη αναθεώρηση→ ('διαφορά')
Μετάβαση σε: πλοήγηση, αναζήτηση
Εικόνα 1: Αποτελέσματα κατάτμισης με USPO (Unsupervised Segmentation Parameter Optimization) (μέση) και δευτεροβάθμια κατάτμιση με SWV (Simple Weighted Vote) για κάθε μια από τις περιοχές μελέτης.




Αυτή η μελέτη παρουσιάζει την εξέλιξη μιας ήμι-αυτοματοποιημένης αλυσίδα επεξεργασίας ανοιχτού λογισμικού για την ταξινόμηση αστικών αντικείμενων βάση εδαφοκάλυψης και χρήσης γης. Η αλυσίδα επεξεργασίας υλοποιείται στην γλώσσα προγραμματισμού Python και βασίζεται σε υπάρχοντα προγράμματα λογισμικού GRASS GIS και R. Η πλήρης αλυσίδα εργαλείων είναι ελεύθερα λογισμικά και μπορούν να προσαρμοστούν στη ανάγκες του εκάστοτε χρήστη.

Για τον σκοπό της αυτοματοποίησης οι ερευνητές έχουν αναπτύξει δυο υπό-εφαρμογές συμβατές με το πρόγραμμα λογισμικού GRASS GIS οι οποίες επιτρέπουν στους χρήστες να επιτελέσουν δυο βασικές λειτουργίες. Η πρώτη λειτουργία άφορα την βελτιστοποίηση των παραμέτρων κατάτμησης δίχως επίβλεψη όπως αυτή η έννοια χρησιμοποιείται στο πεδίο της τεχνητής νοημοσύνης και των μηχανών μάθησης. Η δεύτερη λειτουργιά αφορά την ταξινόμηση δεδομένων που προέρχονται από αισθητήρες τηλεπισκόπησης με την χρήση αρκετών ξεχωριστών ταξινομητών μηχανικής μάθησης ή του συνδυασμού των προβλέψεων τους μέσω συστημάτων ψηφοφορίας.

Για τον έλεγχο της απόδοσης της επεξεργαστικής αλυσίδας έγινε χρήση υπό-μετρικών πολυφασματικών και υψομετρικών δεδομένων τα οποία προήλθαν από δυο περιοχές με πολύ διαφορετικά περιβάλλοντα. Τα πρώτα δεδομένα προήλθαν από την Ουαγκαντούγκου στην Μπουρκίνα Φάσα, η οποία βρίσκεται στην υπό-σαχάρια Αφρική και τα δεύτερα δεδομένα από την Λιέγη του Βελγίου, το οποίο βρίσκεται στην Δυτική Ευρώπη. Με την χρήση συστημάτων ιεραρχικής ταξινόμησης η συνολική ακρίβεια προσέγγισε το 93% στο πρώτο επίπεδο, με την εφαρμογή πέντε κλάσεων ταξινόμησης, και περίπου στο 80% στο δεύτερο επίπεδο, με την εφαρμογή πέντε κλάσεων ταξινόμησης.

Πηγή: http://www.mdpi.com/2072-4292/9/4/358