Analysing multitemporal SAR images for forest mapping
Notice bibliographique
Résumé
The objective of this paper is twofold: first, to presents a generic approach for the analysis of Radarsat-1 multitemporal data and, second, to presents a multi classifier schema for the classification of multitemporal images. The general approach consists of preprocessing step and classification. In the preprocessing stage, the images are calibrated and registered and then temporally filtered. The resulted multitemporally filtered images are subsequently used as the input images in the classification step. The first step in a classifier design is to pick up the most informative features from a series of multitemporal SAR images. Most of the feature selection algorithms seek only one set of features that distinguish among all the classes simultaneously and hence a limited amount of classification accuracy. In this paper, a class-based feature selection (CBFS) was proposed. In this schema, instead of using feature selection for the whole classes, the features are selected for each class separately. The selection is based on the calculation of JM distance of each class from the rest of classes. Afterwards, a maximum likelihood classifier is trained on each of the selected feature subsets. Finally, the outputs of the classifiers are combined through a combination mechanism. Experiments are performed on a set of 34 Radarsat-1 images acquired from August 1996 to February 2007. A set of 9 classes in a forest area are used in this study. Classification results confirm the effectiveness of the proposed approach compared with the case of single feature selection. Moreover, the proposed process is generic and hence is applicable in different mapping purposes for which a multitemporal set of SAR images are available.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».