Centre dedocumentation
scientifique

Semi-automatic building extraction from WorldView-2 imagery using taguchi optimization / Hasan Tonbul in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 9 (September 2020)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 86 n° 9 (September 2020) . - pp 547-555 Titre : Semi-automatic building extraction from WorldView-2 imagery using taguchi optimization Type de document : Article/Communication Auteurs : Hasan Tonbul, Auteur ; Taskin Kavzoglu, Auteur Année de publication : 2020 Article en page(s) : pp 547-555 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse de variance [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] extraction semi-automatique [Termes descripteurs IGN] image Worldview [Termes descripteurs IGN] optimisation (mathématiques) [Termes descripteurs IGN] rapport signal sur bruit [Termes descripteurs IGN] régression linéaire [Termes descripteurs IGN] segmentation multi-échelle [Termes descripteurs IGN] séparateur à vaste marge Résumé : (Auteur) Due to the complex spectral and spatial structures of remotely sensed images, the delineation of land use/land cover classes using conventional approaches is a challenging task. This article tackles the problem of seeking optimal parameters of multi-resolution segmentation for a classification task using WorldView-2 imagery. Taguchi optimization was applied to search optimal parameters using the plateau objective function (POF) and quality rate (Qr) as fitness criteria. Analysis of variance was also used to estimate the contributions of the parameters for POF and Qr, separately. The scale parameter was the most effective one, with contribution levels of 87.45% and 56.87% for POF and Qr, respectively. Linear regression and support-vector regression methods were used to predict the results of the experiment. Test results revealed that Taguchi optimization was more effective than linear regression and support-vector regression for predicting POF and Qr values. Numéro de notice : A2020-490 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.86.9.547 date de publication en ligne : 01/09/2020 En ligne : https://doi.org/10.14358/PERS.86.9.547 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95931 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2020091	SL	Revue	Centre de documentation	Revues en salle	Disponible