文献

J-GLOBAL ID：201702232790464391   整理番号：17A0206233

オブジェクト指向の資源3号リモートセンシング画像に基づく森林分類研究【JST・京大機械翻訳】

Object-based forest type classification with ZY-3 remote sensing data

著者 (3件)： Dong Xinyu (School of Forestry, Northeast Forestry University) ,  Fan Wenyi (School of Forestry, Northeast Forestry University) ,  Tian Tian (School of Forestry, Northeast Forestry University)
資料名： Zhejiang Nonglin Daxue Xuebao  (Zhejiang Nonglin Daxue Xuebao)
巻： 33  号： 5  ページ： 816-825  発行年： 2016年 
JST資料番号： C2747A  ISSN： 2095-0756  CODEN： ZNDXBB  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 森林分類技術はリモートセンシング分類における重要課題であり,オブジェクト指向リモートセンシング画像分類法は森林分類を実現するための新しい方法である。資源3号リモートセンシング画像は森林タイプの抽出に新しい方向を提供できる。資源の3番目のリモートセンシング画像を基礎研究データとして、オブジェクト指向の分類方法を採用して、フラクタルネットワークネットワークをマルチスケールの階層的分割を選択し、典型的な対象物のスペクトル特徴、テクスチャ特徴、幾何特徴及び植生指数を結合して、森林タイプ抽出に適した決定木モデルを構築した。そして,サポートベクトルマシンの分類法と比較した。結果は以下を示す。マルチレベル分割のディシジョンツリー分類法の分類精度は単層分割のサポートベクトルマシン分類法より高く、分類精度はそれぞれ6.1%と12.5%向上した。これらの結果は,マルチレベル分割の決定木分類法が森林タイプの分類研究に適していることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： サポートベクトルマシン ,  幾何学 ,  *リモートセンシング ,  ディシジョンツリー ,  単一層
準シソーラス用語： 分類精度 ,  マルチレベル ,  植生指標 ,  テクスチャ特徴 ,  スペクトル特徴 ,  マルチスケール ,  森林型 ,  分類法 ,  *リモートセンシング画像 ,  *オブジェクト指向 , 【Automatic Indexing@JST】

著者キーワード (5件)： forest mensuration ,  object-oriented ,  fractal net evolution approach ,  information extractioni ,  decision tree model

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (6件)： オブジェクト指向 ,  資源 ,  リモートセンシング画像 ,  森林 ,  分類 ,  研究