文献

J-GLOBAL ID：201102209236528444   整理番号：11A0574850

高空間分解能画像を用いた都市土地被覆抽出に於けるプパーピクセルvs.オブジェクトベース分類

Per-pixel vs. object-based classification of urban land cover extraction using high spatial resolution imagery

著者 (5件)： MYINT Soe W. ,  GOBER Patricia ,  BRAZEL Anthony ,  GROSSMAN-CLARKE Susanne ,  WENG Qihao
資料名： Remote Sensing of Environment  (Remote Sensing of Environment)
巻： 115  号： 5  ページ： 1145-1161  発行年： 2011年05月15日 
JST資料番号： C0252B  ISSN： 0034-4257  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 普通のデジタル分類アルゴリズムの使用に於いて,研究者は高分解能データを用いた都市土地被覆クラス識別に於いて困難な問題に直面するのが普通である。普通の手法はスペクトル情報だけを使用し,1オブジェクトとして同時に考える必要があると考えられる,空間情報やピクセルのグループを無視する。アリゾナ,フェニックスの中心域をカバーするQuickBird画像データを使用して,オブジェクトベース分類装置が都市クラスを正確に識別するか吟味した。都市分類に於いてスペクトル情報単独が実際的であるかを明かにするために,無作為に選択した地点における選択したクラスのスペクトルを用いて,これ等が有効に識別されるか吟味した。スペクトル情報単独の場合の綜合精度は63.33%程度であった。オブジェクトベースパラダイムを持つ5種類の分類手順を用いたが,これ等は異なる尺度に於いて空間的に及びスペクトル的に類似したピクセルを分離した。本研究で使用した客体を分離するために土地被覆を割り付けるこれ等の分類装置は,メンバシップ関数と最隣接分類装置を含めた。このオブジェクトベース分類装置は高い綜合精度(90.40%)を達成し,一方最も広く用いられている決定規則,即ち最尤法分類装置,はより低い綜合精度(67.60%)であった。本研究が,このオブジェクトベース分類装置が古典的パーピクセル分類装置よりはるかに優れていることを示した。更に本研究は,セグメンテーションと分類のための色々なパラメータの応用,コンポジットと生バンドの組み合わせ使用,色々な尺度選択,分類装置の選択をレビューした。このオブジェクトベースプロトタイプの利点と弱点を提示し,この手法に付随する不確実性と限界を回避或いは最小化するための示差を提供した。Copyright 2011 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： モデル ,  *都市域 ,  *土地被覆 ,  空間分解能 ,  映像 ,  *計算機アルゴリズム ,  *検出 ,  オブジェクト指向プログラミング ,  アリゾナ州 ,  実用衛星 ,  *衛星利用画像 ,  事例研究 ,  分類装置 ,  精度 ,  性能評価 ,  セグメンテーション ,  最尤法
準シソーラス用語： オブジェクトモデル ,  高分解能映像 ,  *分類アルゴリズム ,  *オブジェクト検出 ,  アリゾナ ,  QuickBird衛星 ,  分類精度

分類 (4件)： リモートセンシング一般  (AD04000L) ,  光学情報処理  (BD03060T) ,  地形データの処理  (RC02050O) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 高空間分解能 ,  都市 ,  土地被覆 ,  Vs ,  オブジェクトベース分類