Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: high resolution image

Sortuj według:

Ogranicz wyniki do:

Analiza metod klasyfikacji obszarów miejskich zobrazowanych na wysokorozdzielczych zdjęciach satelitarnych

Bochenek Z.

Prace Instytutu Geodezji i Kartografii

2006

T. 52, z. 110

5-34

W artykule zostały przedstawione wyniki prac nad utworzeniem metody cyfrowego klasyfikowania obszarów miejskich z wykorzystaniem wysokorozdzielczych obrazów satelitarnych. Przebadano różne sposoby cyfrowej klasyfikacji obrazów: metodę spektralnego zmieszania, metodę wykorzystującą miary tekstury obiektu, klasyfikację obiektową oraz metodę bazującą na zastosowaniu sieci neuronowych. Przedmiotem badań był fragment aglomeracji warszawskiej zobrazowany na 3 typach obrazów satelitarnych: Landsat ETM+, Terra ASTER oraz QuickBird. W wyniku analiz sformułowano wnioski dotyczące optymalnego sposobu klasyfikowania obszarów miejskich pod względem zróżnicowania struktury miasta; w prezentowanej pracy była to metoda hybrydowa łącząca w sobie elementy analizy obiektowej oraz wykorzystania sieci neuronowych. Realizacja projektu badawczego (nr 4 T12E 043 26) została sfinansowana ze środków KBN.

Results of the research works aimed at preparation of the optimal method for classifying urban areas on the basis of digital analysis of high-resolution satellite image s were presented in the article. Data from three different satellite systems: Landsat ETM+, ASTER and QuickBird were used these works. The following methods of digital analysis and classification of satellite images were investigated in the course of the works: - Spectrai mixture analysis, - Classification of urban areas with inclusion of texture measures, - Object-oriented analysis with the use of multi-resolution segmentation, fuzzy logic and membership functions, - Neural networks. As a results of the conducted works it was found, that hybrid method, combining elements of object-oriented analysis and neural networks, is optimal for classifying urban areas with adequate accuracy. Application of multi-resolution segmentation enables to distinguish homogeneous objects within urban areas and to determine their several spectral and non-spectral parameters. Neural Networks analysis allows to find optimal solution concerning type of network for classification and importance of various parameters used in the classification process. The mean accuracy of classification with the use of this method, with division of urban areas into 3 levels of built-up land density, reaches 85 %. The crucial for obtaining high accuracy, while classifying high-resolution satellite image, is to select properly parameters of segmentation and a set of features characterizing land cover classes, used in neural network analysis.