Descripteur
Termes IGN > mathématiques > statistique mathématique > analyse de données > classification > classification par maximum de vraisemblance
classification par maximum de vraisemblanceVoir aussi |
Documents disponibles dans cette catégorie (136)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Improved land cover mapping using aerial photographs and satellite images / Katalin Varga in Open geosciences, vol 7 n° 1 (January 2015)
[article]
Titre : Improved land cover mapping using aerial photographs and satellite images Type de document : Article/Communication Auteurs : Katalin Varga, Auteur ; Szilárd Szabó, Auteur ; Gergely Szabó, Auteur ; et al., Auteur Année de publication : 2015 Article en page(s) : pp 15 - 26 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification par maximum de vraisemblance
[Termes IGN] couvert végétal
[Termes IGN] image aérienne
[Termes IGN] image Landsat
[Termes IGN] MNS SRTM
[Termes IGN] précision de la classification
[Termes IGN] variation saisonnièreRésumé : (auteur) Manual Land Cover Mapping using aerial photographs provides sufficient level of resolution for detailed vegetation or land cover maps. However, in some cases it is not possible to achieve the desired information over large areas, for example from historical data where the quality and amount of available images is definitely lower than from modern data. The use of automated and semi automated methods offers the means to identify the vegetation cover using remotely sensed data. In this paper automated methods were tested on aerial photographs and satellite images to extract better and more reliable information about vegetation cover. These testswere performed by using automated analysis of LANDSAT7 images (with and without the surface model of the Shuttle Radar Topography Mission (SRTM)) and two temporally similar aerial photographs. The spectral bands were analyzed with supervised (maximum likelihood) methods. In conclusion, the SRTM and the combination of two temporally similar aerial photographs from earlier years were useful in separating the vegetation cover on a floodplain area. In addition the different date of the vegetation season also gave reliable information about the land cover. High quality information about old and present vegetation on a large area is an essential prerequisites ensuring the conservation of ecosystems. Numéro de notice : A2015-435 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.1515/geo-2015-0002 En ligne : https://doi.org/10.1515/geo-2015-0002 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=77035
in Open geosciences > vol 7 n° 1 (January 2015) . - pp 15 - 26[article]Classification of submerged aquatic vegetation in Black River using hyperspectral image analysis / Roshan Pande-Chhetri in Geomatica, vol 68 n° 3 (September 2014)
[article]
Titre : Classification of submerged aquatic vegetation in Black River using hyperspectral image analysis Type de document : Article/Communication Auteurs : Roshan Pande-Chhetri, Auteur ; Amr Abd-Elrahman, Auteur ; Charles Jacoby, Auteur Année de publication : 2014 Article en page(s) : pp 169 - 182 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classificateur paramétrique
[Termes IGN] classification par maximum de vraisemblance
[Termes IGN] classification par réseau neuronal
[Termes IGN] image hyperspectrale
[Termes IGN] macrophyte
[Termes IGN] profondeur
[Termes IGN] réflexion (rayonnement)
[Termes IGN] surface de l'eauRésumé : (Auteur) Le contrôle de la végétation aquatique est un élément important de la gestion des ressources en eau en raison des services écologiques rendus par ces habitats. L'imagerie hyperspectrale dense sur le plan spectral peut être un outil efficace pour cartographier et classifier les communautés macrophytes. L'identification de la végétation submergée dans les régions aquatiques est compliquée par les variations des propriétés optiques des constituants de l'eau, de la géométrie des capteurs d'eau et d'ensoleillement, de la profondeur de l'eau et de la complexité spectrale/structurale des plantes. Plusieurs études ont tenté de détecter la végétation aquatique dans les eaux côtières; mais peu d’études ont ciblé des rivières peu profondes aux eaux noires teintées contaminées par des matières organiques dissoutes du groupe chromophore (CDOM). La présente étude examine les méthodes pour analyser l'imagerie hyperspectrale aéroportée et pour détecter et classifier la végétation aquatique dans un système fluvial d'eaux noires. Les images ont été normalisées afin de tenir compte de la réflexion de la surface de l'eau et de la profondeur changeante de l'eau avant leur analyse par le classificateur à vraisemblance maximale (ML) et trois autres classificateurs non paramétriques: le réseau de neurones formels (ANN), la machine à vecteurs de support (SVM) et un appareil de cartographie angulaire spectral (SAM). L'analyse de l’évaluation de la qualité a indiqué une amélioration générale de la détection et de la classification lorsque les classificateurs non paramétriques étaient appliqués aux images normalisées et à profondeur constante. Une précision maximale de classification d'environ 69% a été atteinte lorsque le classificateur ANN était appliqué aux images normalisées et des précisions maximales de détection de 93% et de 92% ont été atteintes lorsque les classificateurs SAM et SVM étaient appliqués aux images à profondeur constante, respectivement. Numéro de notice : A2014-621 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.5623/cig2014-302 En ligne : https://doi.org/10.5623/cig2014-302 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=74999
in Geomatica > vol 68 n° 3 (September 2014) . - pp 169 - 182[article]Maximum-likelihood estimation for multi-aspect multi-baseline SAR interferometry of urban areas / Michael Schmitt in ISPRS Journal of photogrammetry and remote sensing, vol 87 (January 2014)
[article]
Titre : Maximum-likelihood estimation for multi-aspect multi-baseline SAR interferometry of urban areas Type de document : Article/Communication Auteurs : Michael Schmitt, Auteur ; Uwe Stilla, Auteur Année de publication : 2014 Article en page(s) : pp 68 - 77 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] classification par maximum de vraisemblance
[Termes IGN] image aérienne
[Termes IGN] image radar moirée
[Termes IGN] interféromètrie par radar à antenne synthétique
[Termes IGN] matrice de covariance
[Termes IGN] milieu urbain
[Termes IGN] modèle numérique de surface
[Termes IGN] Munich
[Termes IGN] reconstruction 3DRésumé : (Auteur) The reconstruction of digital surface models (DSMs) of urban areas from interferometric synthetic aperture radar (SAR) data is a challenging task. In particular the SAR inherent layover and shadowing effects need to be coped with by sophisticated processing strategies. In this paper, a maximum-likelihood estimation procedure for the reconstruction of DSMs from multi-aspect multi-baseline InSAR imagery is proposed. In this framework, redundant as well as contradicting observations are exploited in a statistically optimal way. The presented method, which is especially suited for single-pass SAR interferometers, is examined using test data consisting of experimental airborne millimeterwave SAR imagery. The achievable accuracy is evaluated by comparison to LiDAR-derived reference data. It is shown that the proposed estimation procedure performs better than a comparable non-statistical reconstruction method. Numéro de notice : A2014-013 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2013.10.006 En ligne : https://doi.org/10.1016/j.isprsjprs.2013.10.006 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=32918
in ISPRS Journal of photogrammetry and remote sensing > vol 87 (January 2014) . - pp 68 - 77[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 081-2014011 RAB Revue Centre de documentation En réserve L003 Disponible A combined object- and pixel-based image analysis framework for urban land cover classification of VHR imagery / Bahram Salehi in Photogrammetric Engineering & Remote Sensing, PERS, vol 79 n° 11 (November 2013)
[article]
Titre : A combined object- and pixel-based image analysis framework for urban land cover classification of VHR imagery Type de document : Article/Communication Auteurs : Bahram Salehi, Auteur ; Yun Zhang, Auteur ; Ming Zhong, Auteur Année de publication : 2013 Article en page(s) : pp 999 - 1014 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification par maximum de vraisemblance
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] image Ikonos
[Termes IGN] image Quickbird
[Termes IGN] image Worldview
[Termes IGN] Nouveau-Brunswick (Canada)
[Termes IGN] occupation du sol
[Termes IGN] segmentation d'image
[Termes IGN] transformation en ondelettesRésumé : (Auteur) This paper aims at exploiting the advantages of pixel-based and object-based image analysis approaches for urban land cover classification of very high resolution ( VHR ) satellite imagery through a combined object- and pixel-based image analysis framework. The framework starts with segmenting the image resulting in several spectral and spatial features of segments. To overcome the curse of dimensionality, a wavelet- based feature extraction method is proposed to reduce the number of features. The wavelet-based method is automatic, fast, and can preserve local variations in objects' spectral/ spatial signatures. Finally, the extracted features together with the original bands of the image are classified using the conventional pixel-based Maximum Likelihood classification. The proposed method was tested on the WorldView-2, QuickBird, and Ikonos images of the same urban area for comparison purposes. Results show up to 17 percent, 10 percent, and 11 percent improvement in kappa coefficients compared to the case in which only the original bands of the image are used for WV - 2 , QB , and IK , respectively. Furthermore, the objects' spectral features contribute more to increasing classification accuracy than spatial features. Numéro de notice : A2013-596 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.14358/PERS.79.11.999 En ligne : https://doi.org/10.14358/PERS.79.11.999 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=32732
in Photogrammetric Engineering & Remote Sensing, PERS > vol 79 n° 11 (November 2013) . - pp 999 - 1014[article]Parcel-level identification of crop types using different classification algorithms and multi-resolution imagery in southeastern Turkey / Ugur Alganci in Photogrammetric Engineering & Remote Sensing, PERS, vol 79 n° 11 (November 2013)
[article]
Titre : Parcel-level identification of crop types using different classification algorithms and multi-resolution imagery in southeastern Turkey Type de document : Article/Communication Auteurs : Ugur Alganci, Auteur ; Elif Sertel, Auteur ; Mutlu Ozdogan, Auteur ; et al., Auteur Année de publication : 2013 Article en page(s) : pp 1053 - 1065 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] carte agricole
[Termes IGN] classification orientée objet
[Termes IGN] classification par maximum de vraisemblance
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] classification Spectral angle mapper
[Termes IGN] cultures
[Termes IGN] image Landsat-TM
[Termes IGN] image SPOT 5
[Termes IGN] occupation du sol
[Termes IGN] parcelle agricole
[Termes IGN] photo-interprétation assistée par ordinateur
[Termes IGN] TurquieRésumé : (Auteur) This research investigates the accuracy of pixel- and object-based classification techniques across varying spatial resolutions to identify crop types at parcel level and estimate the area at six test sites to find the optimum data source for the identification of crop parcels. Multi-sensor data with spatial resolutions of 2.5 m, 5 m and 10 m from SPOT5 and 30 m from Landsat-5 TM were used. Maximum Likelihood (ML), Spectral Angle Mapper (SAM), and Support Vector Machines (SVM) were used as pixel-based methods in addition to object-based image classification (OBC). Post-classification methods were applied to the output of pixel-based classification to minimize the noise effects and heterogeneity within the agricultural parcels. In addition, processing-time performance of the algorithms was evaluated for the test sites and district scale classification. OBC results provided comparatively the best performance for both parcel identification and area estimation at 10 m and finer spatial resolution levels. SVM followed OBC at 2.5 m and 5 m resolutions but accuracies decreased dramatically with coarser resolutions. ML and SAM results were worse up to 30 m resolution for both crop type identification and area estimation. In general, parcel identification efficiency was strongly correlated with spatial resolution while the classification algorithm was a more effective factor than spatial resolution for area estimation accuracy. Results also provided an opportunity to discuss the effects of image resolution and the classification algorithm independent factors such as parcel size, spatial distribution of crop types and crop patterns. Numéro de notice : A2013-599 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.14358/PERS.79.11.1053 En ligne : https://doi.org/10.14358/PERS.79.11.1053 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=32735
in Photogrammetric Engineering & Remote Sensing, PERS > vol 79 n° 11 (November 2013) . - pp 1053 - 1065[article]La télédétection au service des études urbaines : expansion de la ville de Pondichéry entre 1973 et 2009 / Emilien Kieffer in Géomatique expert, n° 95 (01/11/2013)PermalinkBuilding a forward-mode three-dimensional reflectance model for topographic normalization of High-Resolution (1–5 m) imagery: validation phase in a forested environment / Stéphane Couturier in IEEE Transactions on geoscience and remote sensing, vol 51 n° 7 Tome 1 (July 2013)PermalinkSensitivity of spectral reflectance values to different burn and vegetation ratios: A multi-scale approach applied in a fire affected area / Magdalini Pleniou in ISPRS Journal of photogrammetry and remote sensing, vol 79 (May 2013)PermalinkFast error analysis of continuous GNSS observations with missing data / M.S. Bos in Journal of geodesy, vol 87 n° 4 (April 2013)PermalinkComparaison et évaluation de méthodes d'extraction automatique d'objets sur des images optique et radar / Charlotte Benedetto (2013)PermalinkDéveloppement d'outils et de méthodes pour l'estimation de la qualité des résultats de classification / Zhour Najoui (2013)PermalinkEstimation de la qualité des résultats [d'une] classification sous ENVI / Nidal Aburajab (2013)PermalinkPermalinkLiDAR-Landsat data fusion for large-area assessment of urban land cover: Balancing spatial resolution, data volume and mapping accuracy / K. Singh in ISPRS Journal of photogrammetry and remote sensing, vol 74 (Novembrer 2012)PermalinkApplying six classifiers to airborne hyperspectral imagery for detecting giant reed / C. Yang in Geocarto international, vol 27 n° 5 (August 2012)Permalink