Identification and Evaluation of Urban Construction Waste with VHR Remote Sensing Using Multi-Feature Analysis and a Hierarchical Segmentation Method
Notice bibliographique
Résumé
With rapid urbanization, the disposal and management of urban construction waste have become the main concerns of urban management. The distribution of urban construction waste is characterized by its wide range, irregularity, and ease of confusion with the surrounding ground objects, such as bare soil, buildings, and vegetation. Therefore, it is difficult to extract and identify information related to urban construction waste by using the traditional single spectral feature analysis method due to the problem of spectral confusion between construction waste and the surrounding ground objects, especially in the context of very-high-resolution (VHR) remote sensing images. Considering the multi-feature analysis method for VHR remote sensing images, we propose an optimal method that combines morphological indexing and hierarchical segmentation to extract the information on urban construction waste in VHR images. By comparing the differences between construction waste and the surrounding ground objects in terms of the spectrum, geometry, texture, and other features, we selected an optimal feature subset to improve the separability of the construction waste and other objects; then, we established a classification model of knowledge rules to achieve the rapid and accurate extraction of construction waste information. We also chose two experimental areas of Beijing to validate our algorithm. By using construction waste separability quality evaluation indexes, the identification accuracy of construction waste in the two study areas was determined to be 96.6% and 96.2%, the separability indexes of the construction waste and buildings reached 1.000, and the separability indexes of the construction waste and vegetation reached 1.000 and 0.818. The experimental results show that our method can accurately identify the exposed construction waste and construction waste covered with a dust screen, and it can effectively solve the problem of spectral confusion between the construction waste and the bare soil, buildings, and vegetation.
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) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 ».