EXTRACTION OF ROAD NETWORKS USING PAN-SHARPENED MULTISPECTRAL AND PANCHROMATIC QUICKBIRD IMAGES
Notice bibliographique
Résumé
Les methodes d'extraction routiere basees sur la classification multispectrale traditionnelle separent les routes des autres caracteristiques du sol selon les caracteristiques spectrales des pixels individuels. Pour faire usage des proprietes spatiales d'images satellitaires haute resolution, dans cet article, nous integrons l'information spectrale d'une image multispectrale a l'information spatiale d'une image panchromatique pour l'extraction routiere par une technique d'affinage global et un algorithme de reclassification basee sur les contours. Premierement, l'image multispectrale a faible resolution est fusionnee a l'image panchromatique a haute resolution. Ensuite, l'image affinee est classifiee pour determiner la classe de routes qui peut comprendre des objets non routiers. Les routes classifiees sont ensuite segmentees et reclassifiees a l'aide de l'information de la texture directionnelle de l'image des routes classifiees et de l'information sur les contours de l'image panchromatique. En utilisant la texture, le contour, la forme et la dimension, les objets non routiers, par exemple les petites entrees, les toitures des maisons et les parcs de stationnement peuvent etre enleves efficacement. Les evaluations de la qualite en milieu urbain montrent que l'integralite et la justesse des principales routes extraites quant a leur longueur sont meilleures que 90 % et 97 %, respectivement.
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) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| 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 | 0,002 |
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 ».