Zastosowanie sieci neuronowych do klasyfikacji zdjęć mikrofalowych z satelitów ENVISAT i ERS w celu identyfikacji upraw

• Autorzy: Stankiewicz, K.

Warianty tytułu

EN

Application of neural networks to classification of ENVISAT and ERS microwave images for crop identification

• Języki publikacji: PL

Abstrakty

PL

Zdjęcia mikrofalowe pozyskane z satelitów ENVISAT i ERS w sezonie wegetacyjnym w 2003 roku były analizowane pod kątem identyfikacji upraw. Klasyfikacja treści tych zdjęć została wykonana przy wykorzystaniu sieci neuronowych. Przedmiotem klasyfikacji były średnie wartości zmodyfikowanego współczynnika wstecznego rozpraszania γ. Wartości średnie wyznaczono dla segmentów obrazów mikrofalowych. Omówiono wyniki klasyfikacji wykonanej dla pełnego zestawu zdjęć oraz dla wybranych podzbiorów tego zestawu. Wyniki przedstawione w artykule zostały uzyskane w ramach projektu badawczego „Identyfikacja zbiorowisk roślinnych oraz rozpoznawanie upraw na mikrofalowych zdjęciach satelitarnych jako podstawa opracowywania map użytkowania terenu”. Realizacja tego projektu (nr 8T12E 016 21) została sfinansowana ze środków KBN.

EN

Method of classification of ENVISAT and ERS microwave images with the use of neural networks was presented in the article. Features of the classified images, which are important for crop identification, were described. Author presented the successive steps, which were done in order to prepare microwave data for classification. Classification was performed for mean values of the modified backscattering coefficient, related to image segments, which represent homogeneous areas. The results of classification done for the whole set of images and for selected subsets were presented in the article.

Słowa kluczowe

PL

uprawy; zdjęcie mikrofalowe; ENVISAT; ERS

• Czasopismo: Prace Instytutu Geodezji i Kartografii
• Rocznik: 2004
• Tom: T. 50, z. 106
• Strony: 63--71
• Opis fizyczny: Bibliogr. 8 poz., rys., tab.

Twórcy

autor

Stankiewicz, K.

Bibliografia

• [1] Brisco B., Brown R.J., 1998, Agricultural Applications with Radar Principles & Applications of Imaging Radar, Manual of Remi Sensing Vol. 2, 3’ edition, edited by F.M. Henderson and A.J. Lewis.
• [2] eCognition User Guide, 2003, praca zbiorowa, Defitiiens Imagii Monachium.
• [3] Ferrazzoli P., 2001, SAR for Agriculture: Advances. Problems a Prospects, 3rd Int. Symposium on retrieval of Bio- and Geophysic Parameters from SAR Data for Land Applications, 11-14 Septemt 2001, Sheffield. UK.
• [4] Kavzoglu T., Mather P.M., 2002, The role of feature selection artificial neural network applications, Int. J. Remote Sensing, Vol.2 No. 15, pp. 2919-2937.
• [5] Oliver Ch., Quegan S., 1997, Understanding Synthetic Aperture Rad Images, Artech House.
• [6] Congalton R.G., 1991, A Review of Assessing the Accuracy Classifications of Remotely Sensed Data. Remote Sens. Environ. Vol. 37, pp. 35-46.
• [7] Richards J.A., 1993, Remote Sensing Digital Image Analysis, Spring Verlag.
• [8] Rutkowska D., Piliński M., Rutkowski L., 1999, Sieci neuronów algorytmy genetyczne i systemy rozmyte. Warszawa, PWN.