Centre dedocumentation
scientifique

A method for remote sensing image classification by combining Pixel Neighbourhood Similarity and optimal feature combination / Kaili Zhang in Geocarto international, vol 38 n° 1 ([01/01/2023])  

Public [article]  inGeocarto international > vol 38 n° 1 [01/01/2023] . - n° 2158948 Titre : A method for remote sensing image classification by combining Pixel Neighbourhood Similarity and optimal feature combination Type de document : Article/Communication Auteurs : Kaili Zhang, Auteur ; Yonggang Chen, Auteur ; Wentao Wang, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : n° 2158948 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse spatiale [Termes IGN] analyse spectrale [Termes IGN] classification Spectral angle mapper [Termes IGN] classification spectrale [Termes IGN] corrélation automatique de points homologues [Termes IGN] données vectorielles [Termes IGN] extraction de traits caractéristiques [Termes IGN] pixel [Termes IGN] précision de la classification [Termes IGN] signature texturale [Termes IGN] similitude spectrale [Termes IGN] voisinage (relation topologique) Résumé : (auteur) In the study of remote sensing image classification, feature extraction and selection is an effective method to distinguish different classification targets. Constructing a high-quality spectral-spatial feature and feature combination has been a worthwhile topic for improving classification accuracy. In this context, this study constructed a spectral-spatial feature, namely the Pixel Neighbourhood Similarity (PNS) index. Meanwhile, the PNS index and 19 spectral, textural and terrain features were involved in the Correlation-based Feature Selection (CFS) algorithm for feature selection to generate a feature combination (PNS-CFS). To explore how PNS and PNS-CFS improve the classification accuracy of land types. The results show that: (1) The PNS index exhibited clear boundaries between different land types. The performance quality of PNS was relatively highest compared to other spectral-spatial features, namely the Vector Similarity (VS) index, the Change Vector Intensity (CVI) index and the Correlation (COR) index. (2) The Overall Accuracy (OA) of the PNS-CFS was 94.66% and 93.59% in study areas 1 and 2, respectively. These were 7.48% and 6.02% higher than the original image data (ORI) and 7.27% and 2.39% higher than the single-dimensional feature combination (SIN-CFS). Compared to the feature combinations of VS, CVI, and COR indices (VS-CFS, CVI-COM, COR-COM), PNS-CFS had the relatively highest performance and classification accuracy. The study demonstrated that the PNS index and PNS-CFS have a high potential for image classification. Numéro de notice : A2023-059 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2022.2158948 Date de publication en ligne : 03/01/2023 En ligne : https://doi.org/10.1080/10106049.2022.2158948 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102397 [article]

Approche de détermination de signature de texture : application à la classification de couverts forestiers d’image satellitaire à haute résolution / Wala Zaaboub in Revue Française de Photogrammétrie et de Télédétection, n° 207 (Juillet 2014)  

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 207 (Juillet 2014) . - pp 45 - 58 Titre : Approche de détermination de signature de texture : application à la classification de couverts forestiers d’image satellitaire à haute résolution Type de document : Article/Communication Auteurs : Wala Zaaboub, Auteur ; Zouhour Ben Dhiaf, Auteur Année de publication : 2014 Article en page(s) : pp 45 - 58 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] classification spectrale [Termes IGN] couvert forestier [Termes IGN] histogramme [Termes IGN] image à haute résolution [Termes IGN] image satellite [Termes IGN] signature texturale Résumé : (Auteur) Cet article présente une approche d’identification de signature de texture pour la classification d’image satellite à haute résolution de scènes forestières. Nous cherchons la combinaison la plus adéquate d’attributs issus de mesures de texture. Cette combinaison d’attributs, qui forme notre signature, doit permettre la discrimination entre les différents types de textures présents dans l’image à classer. Nous améliorons notre signature par une étape de pondération des attributs. Le poids de chaque attribut traduit son degré de confiance. Nous terminons par une étape d’expérimentation consistant à appliquer notre signature combinée pondérée pour des fins de classification d’image satellite haute résolution de zones forestières. Numéro de notice : A2014-494 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.52638/rfpt.2014.209 En ligne : https://doi.org/10.52638/rfpt.2014.209 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=74084 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
018-2014031	SL	Revue	Centre de documentation	Revues en salle	Disponible
018-2014032	SL	Revue	Centre de documentation	Revues en salle	Disponible

Utilisation des signatures de texture d'ordre elevé pour une meilleure discrimination des classes d'occupation du sol sur une image radar à synthese d'ouverture / E. Tonye in Revue Française de Photogrammétrie et de Télédétection, n° 179 (Décembre 2005)

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 179 (Décembre 2005) . - pp 3 - 17 Titre : Utilisation des signatures de texture d'ordre elevé pour une meilleure discrimination des classes d'occupation du sol sur une image radar à synthese d'ouverture Type de document : Article/Communication Auteurs : E. Tonye, Auteur ; A. Akono, Auteur ; Jean-Paul Rudant , Auteur ; et al., Auteur Année de publication : 2005 Article en page(s) : pp 3 - 17 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] analyse discriminante [Termes IGN] analyse texturale [Termes IGN] bande C [Termes IGN] Cameroun [Termes IGN] flore locale [Termes IGN] forêt [Termes IGN] image ERS-SAR [Termes IGN] image radar moirée [Termes IGN] littoral [Termes IGN] mangrove [Termes IGN] marais [Termes IGN] matrice de co-occurrence [Termes IGN] milieu urbain [Termes IGN] occupation du sol [Termes IGN] polarisation [Termes IGN] signature texturale [Termes IGN] texture d'image Résumé : (Auteur) Dans ce travail, on montre l'avantage des paramètres de texture d'ordre supérieur à 2 pour la discrimination des classes d'occupation du sol sur une image radar à synthèse d'ouverture (RSO). En effet, plusieurs études de classification texturales d'images RSO ont été effectuées jusqu'à maintenant, mais la plupart de ces études utilisent la technique des matrices de co-occurrence de niveaux de gris, qui est elle-même basée sur les paramètres de texture d'ordre 2. Dans cette étude, on mesure les signatures texturales aux ordres 2, 3 et 4 en quatre points distincts représentant quatre classes d'occupation du sol sur une image RSO ERS-1 de la côte Atlantique du Cameroun. Les signatures texturales mesurées sont établies à base de 17 paramètres de texture suffisamment discriminants. Une comparaison des signatures est ensuite effectuée et on constate que les signatures d'ordre supérieur produisent le meilleur taux de discrimination des classes d'occupation du sol. Numéro de notice : A2005-554 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=27690 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
018-05031	RAB	Revue	Centre de documentation	En réserve 3L	Disponible