文献

J-GLOBAL ID：201802278789717490   整理番号：18A1073094

統合ライダと高分解能画像に基づく新しいビルディング型分類方式【JST・京大機械翻訳】

A Novel Building Type Classification Scheme Based on Integrated LiDAR and High-Resolution Images

著者 (10件)： Huang Yuhan (Guangdong Provincial Key Laboratory of Urbanization and Geo-simulation, School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China) ,  Huang Yuhan (Department of Land, Air and Water Resources, University of California, Davis, CA 95616, USA) ,  Zhuo Li (Guangdong Provincial Key Laboratory of Urbanization and Geo-simulation, School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China) ,  Zhuo Li (Center of Integrated Geographic Information Analysis, School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China) ,  Tao Haiyan (Guangdong Provincial Key Laboratory of Urbanization and Geo-simulation, School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China) ,  Tao Haiyan (Center of Integrated Geographic Information Analysis, School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China) ,  Shi Qingli (Guangdong Provincial Key Laboratory of Urbanization and Geo-simulation, School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China) ,  Shi Qingli (Center of Integrated Geographic Information Analysis, School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China) ,  Liu Kai (Guangdong Provincial Key Laboratory of Urbanization and Geo-simulation, School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China) ,  Liu Kai (Center of Integrated Geographic Information Analysis, School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 9  号： 7  ページ： 679  発行年： 2017年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 建物型情報は,微細分解能人口推定,都市計画,および管理を含む多くの都市研究にとって重要である。科学者はリモートセンシングデータを通して建物を抽出する多くの方法を開発したが,それらの限られた数だけが抽出結果の更なる分類に焦点を合わせている。本論文では,高分解能リモートセンシング画像からのLiDAR,テクスチャ,スペクトル,および幾何学的情報からの建物高さ情報の統合に基づく新しい建物タイプ分類方式と,統合データセットからの超オブジェクト情報を提示した。建築物高さ情報は,最初に,進行性形態学的フィルタを使用してLiDARポイントクラウドから抽出して,次に,オブジェクト指向セグメンテーションのために高解像度画像と結合した。複合画像の多重解像度セグメンテーションを実行して,超オブジェクト情報を収集し,次のステップにおける分類のためのより多くの情報を提供した。最後に,セグメンテーション結果,ならびにそれらの超オブジェクト情報をランダムフォレスト分類器に入力し,建物型分類結果を得た。本研究で提案された分類スキームは,中国広州の異なるタイプ,高さ,およびサイズの高密度建物によって特徴付けられる,2つの都市村地域の応用を通して試験される。研究区域と検証区域のセグメントレベル分類は,個々に,80.02%と76.85%の正確さに達したが,構成レベル結果は,個々に,98.15%と87.50%の正確さに達した。結果は,提案した建築タイプ分類方式が,複数の建築タイプと複雑な背景を有する地域における応用のために大きな可能性を有することを示した。また,本研究は,建物高さ情報と超物体情報の両方が,建築タイプ分類において重要な役割を果たすことを証明した。より正確な結果は,建築物の高さ情報と超オブジェクト情報を組み込み,ランダムな森林分類器を用いることによって得ることができた。Copyright 2018 The Author(s). All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 集落 ,  *高分解能 ,  フィルタ ,  セグメンテーション ,  *画像 ,  都市計画 ,  スペクトル ,  中華人民共和国 ,  都市 ,  *LIDAR
準シソーラス用語： *レーザレーダ ,  広州市 ,  ランダムフォレスト ,  建物高さ ,  質感 ,  リモートセンシング画像 , 【Automatic Indexing@JST】

著者キーワード (6件)： 建築型分類 ,  超オブジェクト情報 ,  ライダ ,  高分解能画像 ,  ランダムフォレスト ,  漸進的形態フィルタ

分類 (2件)： 写真測量,空中写真  (RC02040D) ,  図形・画像処理一般  (JE04010I)

引用文献 (54件)：

• Brindley, T. The social dimension of the urban village: A comparison of models for sustainable urban development. Urban Des. Int. 2003, 8, 53-65.
• Whitzman, C. Suburb, Slum, Urban Village: Transformations in Toronto’s Parkdale Neighbourhood, 1875-2002; UBC Press: Vancouver, BC, Canada, 2010.
• Wei, L.; Yan, X. Transformation of “Urban Village” and Feasible Mode. City Plan. Rev. 2005, 7, 9-13. (In Chinese)
• Tao, C.; Tan, Y.; Zou, Z.R.; Tian, J. Unsupervised detection of built-up areas from multiple high-resolution remote sensing images. IEEE Geosci. Remote Sens. Lett. 2013, 10, 1300-1304.
• Herold, M.; Goldstein, N.C.; Clarke, K.C. The spatiotemporal form of urban growth: Measurement, analysis and modeling. Remote Sens. Environ. 2003, 86, 286-302.

タイトルに関連する用語 (5件)： 統合 ,  ライダ ,  高分解能画像 ,  ビルディング ,  分類