Image Classification for Different Land Use and Land Covers Using Fuzzy Logic for the Improvement of Accuracies
Notice bibliographique
Résumé
The aim of present research is to classify the satellite images of Ranchi area using fuzzy logic for different land use and land covers. An IRS-LISS III (Linear Imaging Self Scanning Sensor) image has been used for classification. Fuzzy logic is relatively a new theory. Now, fuzzy logic is widely used in the classification of remotely sensed images, for various land use and land cover classes. Classification of images includes pervious and impervious categories. Pervious categories contain mainly standing water bodies, natural vegetation and agricultural lands. Impervious categories contain dense built-up, moderate built-up and low density built-up area. The images of Ranchi area has been classified using standard maximum likelihood (ML) as well as fuzzy techniques using supervised method of classification using ERDAS IMAGINE 9.1. After classification of images, producer’s accuracy, user’s accuracy, overall accuracy and kappa coefficient values have been calculated with the help of confusion / error matrix. Result shows that in pervious category, standing water body exhibits highest accuracy (100%), then natural vegetation and agricultural land exhibits lowest accuracy. Standing water exhibits highest accuracy due to more clear pixels. Among the impervious categories, low density built-up area exhibits highest producer’s accuracy due to small area, dense built-up has second highest and moderate built-up has lowest producer’s accuracies. Comparison among accuracies have been done for both techniques and it is observed that the fuzzy logic is a better classification methodology than the standard ML method because overall accuracy and kappa value are higher for fuzzy classified images.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».