Αντικειμενοστραφής ταξινόμηση δορυφορικών εικόνων υψηλής χωρικής διακριτικής ικανότητας
Τα Γεωγραφικά Συστήματα Πληροφοριών και η Τηλεπισκόπηση, ως συστήματα ανάλυσης χωρικών δεδομένων, βοηθάνε σημαντικά για την λήψη αποφάσεων σε οικονομικά, κοινωνικά και περιβαλλοντικά ζητήματα. Με την χρήση της Χωρικής Ανάλυσης, γίνεται εφικτή η διαχείριση των χωρικών δεδομένων, διότι αποκαλύπτονται...
Αποθηκεύτηκε σε:
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | el_GR |
| Δημοσίευση: |
2020
|
| Θέματα: | |
| Διαθέσιμο Online: | https://vsmart.lib.aegean.gr/webopac/List.csp?SearchT1=%CF%84%CE%B1%CE%B3%CE%BA%CE%BF%CF%8D%CF%84%CE%B1&Index1=Keywordsbib&Database=1&SearchMethod=Find_1&SearchTerm1=%CF%84%CE%B1%CE%B3%CE%BA%CE%BF%CF%8D%CF%84%CE%B1&OpacLanguage=gre&Profile=Default&EncodedRequest=*11*B2*81*9DD*91*105*82*60*E6*ABS*DD*C3*BF&EncodedQuery=*11*B2*81*9DD*91*105*82*60*E6*ABS*DD*C3*BF&Source=SysQR&PageType=Start&PreviousList=Level1&WebPageNr=1&NumberToRetrieve=50&WebAction=NewSearch&StartValue=0&RowRepeat=0&ExtraInfo=&SortIndex=Year&SortDirection=-1&Resource=&SavingIndicator=&RestrType=&RestrTerms=&RestrShowAll=&LinkToIndex= http://hdl.handle.net/11610/20655 |
| Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
| Περίληψη: | Τα Γεωγραφικά Συστήματα Πληροφοριών και η Τηλεπισκόπηση, ως συστήματα ανάλυσης χωρικών δεδομένων, βοηθάνε σημαντικά για την λήψη αποφάσεων σε οικονομικά, κοινωνικά και περιβαλλοντικά ζητήματα. Με την χρήση της Χωρικής Ανάλυσης, γίνεται εφικτή η διαχείριση των χωρικών δεδομένων, διότι αποκαλύπτονται πληροφορίες που σε άλλη περίπτωση δεν θα ήταν εμφανής. Στην περίπτωση των εικόνων υψηλής χωρικής διακριτικής ικανότητας, όπως οι ορθοφωτογραφίες, είναι απαραίτητη η ανάλυσή τους με βελτιωμένες μεθοδολογίες υψηλής ακρίβειας, διότι τα συγκεκριμένα δεδομένα έχουν υψηλότερο όγκο πληροφοριών σε σχέση με τις εικόνες χαμηλής χωρικής διακριτικής ικανότητας. Ιδιαίτερα στην ταξινόμηση της κάλυψης γης μιας περιοχής, απαιτείται να εφαρμόζεται η βέλτιστη μέθοδο ταξινόμησης. Ο σκοπός της παρούσας έρευνας είναι να ερευνήσει αλγόριθμους αντικειμενοστραφούς ταξινόμησης σε διαφορετικά λογισμικά και να τους συγκρίνει με τα αποτελέσματα, εφαρμόζοντάς τους σε ορθοφωτογραφίες υψηλής χωρικής
διακριτικής ικανότητας. Η αντικειμενοστραφής ταξινόμηση, η οποία βασίζεται στα αντικείμενα του χώρου, είναι μια μέθοδος αρκετά πιο πετυχημένη από τις παραδοσιακές μεθόδους ταξινόμησης, που βασίζονται στα εικονοστοιχεία. Περιλαμβάνει δύο στάδια, την Κατάτμηση της εικόνας, με την δημιουργία των αντικειμένων, και την Ταξινόμηση αυτών, στην αντίστοιχη τάξη κάλυψης γης. Η ταξινόμηση που πραγματοποιήθηκε είναι επιβλεπόμενη και η αξιολόγηση της επιτυχίας της πραγματοποιήθηκε μέσω του Πίνακα της Μήτρα Σφαλμάτων (Error Matrix). Τα δεδομένα που χρησιμοποιήθηκαν είναι ορθοφωτογραφίες κανονικοποιημένης ψηφιδωτής μορφής (raster) και αφορούν της περιοχή των Μεσογείων στην Ελλάδα. Με το λογισμικό κλειστού κώδικα (eCognition) δημιουργήθηκε ο χάρτης κάλυψης γης της περιοχής μελέτης. Οι αλγόριθμοι
που συντέλεσαν είναι των Πολλαπλών διακριτικών ικανοτήτων (multiresolusion segmentation) και του Κοντινότερου Γείτονα (k-Nearest Neighbor). Κατόπιν αξιολογήθηκε η Ακρίβεια ταξινόμησης. Με το λογισμικό ανοιχτού κώδικα (Grass gis), δημιουργήθηκαν τέσσερις χάρτες κάλυψης γης, τεσσάρων υπό-περιοχών. Οι αλγόριθμοι που συντέλεσαν εδώ είναι της Επέκτασης Περιοχής (Region growing) και της Μέγιστης Πιθανοφάνειας (Maximum likehood). |
|---|