Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: klasyfikacja pokrycia terenu

Sortuj według:

Ogranicz wyniki do:

Analysis of the suitability of selected image types in a texture analysis of satellite imagery

Kupidura P., Staniak K.

Teledetekcja Środowiska

2017

T. 57

27--34

The article presents studies on the impact of the source image type on the efficacy of image texture analysis in the terms of distinguishing classes of land use or land cover (LULC). Single gray-scale images are usually the inputs for this type of operation, however their selection is not unambiguous, especially in the case of multispectral images. Two very high resolution satellite images were used in the study: Pleiades (GSD: 2 m) and QuickBird (2.4 m). Five different input images were tested: the original near-infrared and red bands, the images of the first two main components, and the image of the normalised difference vegetation index - NDVI. Five LULC classes were compared to each other: bare soil, low vegetation, deciduous forests, coniferous forests and built-up areas. Granulometric analysis, as the one of the high efficient methods of texture analysis, was used for the test. Research results have shown that the choice of source image for this kind of processing can be very important for the efficacy of distinguishing between different LULC classes. NDVI images, and also the near infrared band and the first principal component were found most useful.

Artykuł przedstawia badania dotyczące wpływu typu obrazu źródłowego na skuteczność analizy teksturowej obrazu z punktu widzenia wyodrębniania klas użytkowania lub pokrycia terenu (LULC). Tego typu operacjom poddawane są zazwyczaj pojedyncze obrazy w skali szarości, jednak ich wybór nie jest jednoznaczny, zwłaszcza w przypadku obrazów wielospektralnych. W badaniach wykorzystano dwa obrazy satelitarne o bardzo wysokiej rozdzielczości: Pleiades (GSD: 2 m) oraz QuickBird (2,4 m). Testowano pięć różnych obrazów wejściowych: oryginalne kanały bliskiej podczerwieni oraz czerwieni, obrazy dwóch pierwszych składowych głównych oraz obraz wskaźnika NDVI. Porównano wzajemnie pięć klas użytkowania lub pokrycia terenu: odkrytą glebę, niską roślinność, lasy liściaste, lasy iglaste oraz tereny zabudowane. Jako narzędzie testów wybrano analizę granulometryczną, jedną z metod analizy teksturowej o wysokiej skuteczności. Wyniki badań pokazały, że wybór obrazu źródłowego do przetworzeń może mieć bardzo duże znaczenie przy rozróżnianiu różnych klas użytkowania lub pokrycia terenu. Największą przydatnością cechowały się obrazy NDVI oraz kanału bliskiej podczerwieni i pierwszej składowej głównej.

Testing Texture of VHR Panchromatic Data as a Feature of Land Cover Classification

Lewiński S., Aleksandrowicz S., Banaszkiewicz M.

Acta Geophysica

2015

Vol. 63, no. 2

547--567

While it is well-known that texture can be used to classify very high resolution (VHR) data, the limits of its applicability have not been unequivocally specified. This study examines whether it is possible to divide satellite images into two classes associated with “low” and “high” texture values in the initial stage of processing VHR images. This approach can be effectively used in object-oriented classification. Based on the panchromatic channel of KOMPSAT-2 images from five areas of Europe, datasets with down-sampled pixel resolutions of 1, 2, 4, 8, and 16 m were prepared. These images were processed using different texture analysis techniques in order to discriminate between basic land cover classes. Results were assessed using the normalized feature space distance expressed by the Jeffries–Matusita distance. The best results were observed for images with the highest resolution processed by the Laplacian filter. Our research shows that a classification approach based on the idea of “low” and “high” textures can be effectively applied to panchromatic data with a resolution of 8 m or higher.