COMBINATION OF OBJECT-BASED AND PIXEL-BASED IMAGE ANALYSIS FOR CLASSIFICATION OF VHR IMAGERY OVER URBAN AREAS
Notice bibliographique
Résumé
Although spatial measures such as texture and shape extracted from very high resolution imagery (VHR) have been successfully employed in pixel-based classifications, the effectiveness of such measures in classification mainly depends on the optimal window size in which spatial measures are calculated. However, an optimal window size is usually subjective and varies for different image and different land cover types. Multiresolution segmentation of object-based image analysis, on the other hand, results objects with different size and shape, which are meaningful and better represent the real size and shape of land cover types. This paper introduces a new approach to land cover classification which benefits from both pixel-based and object-based image analyses. The VHR image is firstly segmented into different levels of segmentations. For each level, one set of spectral measures and two sets of spatial measures, texture and morphology, are extracted and then stacked to the original bands of VHR image forming a several-band image. To determine the contribution of each set of measures in separating urban land cover classes, the separability distance for all class pairs are calculated based on Bhattacharryya distance for each set of measures (i.e. spectral, texture and morphology). A pixel-based maximum likelihood classification is then applied to each set of bands. Results show that adding either texture or morphology to the original bands of VHR image has almost the same effect in increasing the overall classification accuracy. Furthermore, the classification accuracy of buildings and roads increases significantly by incorporation of spatial measures in classification procedure.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 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 ».