Object-Oriented Image Classificatio

Object-Oriented Image Classification method is a useful and promising method of classifying objects from high resolution satellite images. The method segments the image pixel into objects and utilizes the texture and contexture information of the object rather than only using spectral information relied upon by traditional methods. This paper, using high resolution multispectral satellite imagery from WorldView-2, sought to explore ways to extract accurate trees of varying crown sizes. IMAGINE Objective tools from ERDAS IMAGINE software were used to define individual trees model parameters by employing different feature detection and extraction techniques. These enable geospatial data layers to be created and maintained through the use of remotely sensed imagery. The results show that IMAGINE Objective provides a high accuracy function for tree extraction especially when one is dealing with cluster of individual tree crowns. By using cue parameters like color, tone, orientation, texture, etc. the spectral differences between tree and others features were able to be detected. Based on training samples, the trees were quantitatively extracted by means of probability of Bayesian Network on Single Feature Probability (SFP) function. In conclusion, Object-oriented analysis proves a successful method of identifying and extracting individual trees of varying crown sizes. A high accuracy is achieved compared to other pixel-based classification techniques.

ผลลัพธ์ (ไทย) 1:

เชิงวัตถุวิธีการจัดประเภทภาพเป็นวิธีมีประโยชน์ และแนวโน้มของประเภทวัตถุจากภาพถ่ายดาวเทียมความละเอียดสูง วิธีการกลุ่มพิกเซลภาพเป็นวัตถุ และใช้ข้อมูลพื้นผิวและขับของวัตถุแทนที่ใช้ข้อมูลสเปกตรัมพึ่ง โดยวิธีดั้งเดิม กระดาษนี้ โดยใช้ภาพถ่ายดาวเทียม multispectral ความละเอียดสูงจากโลกทัศน์-2 พยายามที่จะสำรวจวิธีการแยกต้นแม่นยำมงกุฎขนาดแตกต่างกันของ จินตนาการจินตนาการ ERDAS ซอฟต์แวร์หรือเครื่องมือวัตถุประสงค์ใช้ในการกำหนดแต่ละต้นแบบพารามิเตอร์ โดยใช้เทคนิคการตรวจจับและสกัดคุณลักษณะแตกต่างกัน เหล่านี้เปิดใช้งานชั้นข้อมูลเชิงพื้นที่ที่จะสร้าง และรักษาโดยใช้ภาพจากระยะไกลรู้สึก ผลแสดงว่า วัตถุประสงค์ IMAGINE ให้ฟังก์ชั่นความแม่นยำสูงต้นไม้ดูดโดยเฉพาะอย่างยิ่งเมื่อหนึ่งจะเกี่ยวข้องกับคลัสเตอร์ของครอบฟันต้นไม้แต่ละ โดยใช้พารามิเตอร์สัญลักษณ์เช่นสี เสียง ปฐมนิเทศ เนื้อ ฯลฯ ต้นไม้และอื่น ๆ ต่างกับสเปกตรัม คุณลักษณะได้การตรวจพบ จากตัวอย่างการฝึกอบรม ต้นไม้เชิงพรรณนาเชิงปริมาณที่สกัดโดยใช้ความน่าเป็นเครือข่ายทฤษฎีของฟังก์ชันความน่าเป็นคุณลักษณะเดียว (SFP) ในการสรุป การวิเคราะห์เชิงวัตถุพิสูจน์วิธีการระบุ และแยกแต่ละต้นแตกต่างกันที่ขนาดของมงกุฎของความสำเร็จ ความแม่นยำสูงจะประสบความสำเร็จเมื่อเทียบกับเทคนิคอื่น ๆ การจัดประเภทพิกเซล

ผลลัพธ์ (ไทย) 2:

วิธีการจัดหมวดหมู่ภาพเชิงวัตถุเป็นวิธีที่มีประโยชน์และมีแนวโน้มของการจำแนกวัตถ​​ุจากภาพถ่ายดาวเทียมความละเอียดสูง วิธีการที่กลุ่มพิกเซลภาพเป็นวัตถุและใช้พื้นผิวและ contexture ข้อมูลของวัตถุมากกว่าเพียงการใช้ข้อมูลสเปกตรัมพึ่งพาโดยวิธีการแบบดั้งเดิม กระดาษนี้จะใช้ความละเอียดสูงภาพดาวเทียม multispectral จากโลกทัศน์-2, พยายามที่จะสำรวจวิธีการที่จะดึงต้นไม้ที่ถูกต้องของขนาดแตกต่างกันมงกุฎ IMAGINE เครื่องมือวัตถุประสงค์จาก ERDAS IMAGINE ซอฟแวร์ถูกนำมาใช้ในการกำหนดค่าพารามิเตอร์ต้นไม้รูปแบบของแต่ละบุคคลโดยการตรวจสอบคุณสมบัติและการสกัดเทคนิคที่แตกต่าง เหล่านี้ช่วยให้ชั้นข้อมูลเชิงพื้นที่ที่จะสร้างและการบำรุงรักษาโดยการใช้ภาพรู้สึกระยะไกล ผลปรากฏว่า IMAGINE วัตถุประสงค์ให้การทำงานมีความแม่นยำสูงในการสกัดต้นไม้โดยเฉพาะอย่างยิ่งเมื่อหนึ่งคือการจัดการกับกลุ่มของครอบฟันต้นไม้ของแต่ละบุคคล โดยใช้พารามิเตอร์คิวเช่นสีโทนปฐมนิเทศเนื้อ ฯลฯ ความแตกต่างระหว่างสเปกตรัมต้นไม้และอื่น ๆ คุณสมบัติก็สามารถที่จะถูกตรวจพบ ตามตัวอย่างการฝึกอบรมต้นไม้ถูกสกัดเชิงปริมาณโดยวิธีการของความน่าจะเป็นของเบส์เครือข่ายเกี่ยวกับคุณลักษณะความน่าจะเป็นเดี่ยว (SFP) ฟังก์ชั่น ในการสรุปการวิเคราะห์เชิงวัตถุพิสูจน์ให้เห็นวิธีการที่ประสบความสำเร็จในการระบุและการสกัดต้นไม้ของแต่ละบุคคลที่แตกต่างกันขนาดมงกุฎ ความแม่นยำสูงจะประสบความสำเร็จเมื่อเทียบกับเทคนิคการจัดหมวดหมู่ของพิกเซลที่ใช้อื่น ๆ