Semivariogram calculation optimization for object-oriented image classification

A. Balaguer-Beser, T. Hermosilla, J. Recio, L.A. Ruiz

Resumen

En este trabajo se proponen y evalúan diferentes parámetros matemáticos extraídos del semivariograma experimental para la clasificación de los usos del suelo mediante imágenes de alta resolución, usando los límites catastrales para la definición de los objetos de análisis. En primer lugar, se describe el proceso de cálculo del semivariograma a partir de los valores de niveles de gris del objeto imagen. Con el fin de optimizar el tiempo de cálculo se presentan dos técnicas de selección de píxeles que conservan la forma original del semivariograma. A continuación se definen varios parámetros del semivariograma. Final- mente, se usan diferentes técnicas estadísticas para la selección de los parámetros más discriminantes. La última sección muestra los resultados obtenidos con las imágenes digitales aéreas de una zona agrícola en la costa mediterránea de España. El estudio de la aplicación práctica que se presenta facilita la comprensión de la relación entre el comportamiento del semivariograma experimental y la variabilidad de los valores de intensidad en una imagen digital. Con el fin de seguir el desarrollo de este trabajo, el lector debe conocer algunos métodos estadísticos de clasificación y algunas técnicas de procesamiento digital de imágenes.


Palabras clave

Semivariogram features; Object-oriented classification; Digital image processing

Texto completo:

PDF

Referencias

P.M. Atkinson, P. Lewis, 2000, Geostatistical classification for remote sensing: an introduction. Computers and Geosciences 26, 361-371. http://dx.doi.org/10.1016/S0098-3004(99)00117-X

A. Balaguer, L.A. Ruiz, T. Hermosilla, J.A. Recio, 2010, Definition of a comprehensive set of texture semivariogram features and their evaluation for object-oriented image classification. Computers and Geosciences 36, 231-240. http://dx.doi.org/10.1016/j.cageo.2009.05.003

J.S. Borak, and A.H. Strahler, 1999, Feature selection and land cover classification of a MODIS-like data set for a semiarid environment. International Journal of Remote Sensing 20, 919-938. http://dx.doi.org/10.1080/014311699212993

J.R. Carr, F.P. Miranda, 1998, The semivariogram in comparison to the cooccurrence matrix for classification of image texture. IEEE Transactions on Geoscience and Remote Sensing 36, 1945-1952. http://dx.doi.org/10.1109/36.729366

P. Curran, 1988, The semivariogram in remote sensing: an introduction: Remote Sensing of Environment 24, 493-507. http://dx.doi.org/10.1016/0034-4257(88)90021-1

J.P. Chilés, P. Delfinder, 1999, Geostatistics. Modeling Spatial Uncertainty, John Wiley and Sons, New York.

Y. Freund, 1995, Boosting a weak learning algorithm for majority. Information and Computation 121(2), 256-285. http://dx.doi.org/10.1006/inco.1995.1136

P. Goovaerts, 1997, Geostatistics for Natural Resources Evaluation. Oxford University Press: New York.

E.H. Isaaks, R.M. Srivastava, 1989, An introduction to applied geostatistics. Oxford. [10] D.K. McIver, M.A. Friedl, 2002, Using prior probabilities in decision tree classification of remotely sensed data. Remote Sensing of Environment 81, 253-261.

C. Portalés, N. Boronat-Zarce-o, J.E. Pardo-Pascual, A. Balaguer-Beser, 2009, Seasonal precipitation interpolation at the valencia region with multivariate methods using geo- graphic and topographic information. Int. J. Climatol. DOI: 10.1002/joc.1988.

M.J. Pyrcz, C.V. Deutsch, 2003, The Whole Story on the Hole Effect. In: Searston, S. (Eds.) Geostatistical Association of Australasia, Newsletter 18.

J.R. Quinlan, 1993, C4.5: Programs For Machine Learning. Morgan Kaufmann, Los Altos.

J. Recio, 2009, Técnicas de extracción de características y clasificación de imágenes orientada a objetos aplicadas a la actualización de bases de datos de ocupación del suelo, PhD Thesis. Universidad Politécnica de Valencia, Valencia, Spain, 289 p.

L.A. Ruiz, J.A. Recio, T. Hermosilla, 2007, Methods for automatic extraction of regularity patterns and its application to object-oriented image classification. In: International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, XXXVI, Munich, Germany, 117-121.

M. Story, R. G. Congalton, 1986, Accuracy assessment: a user's perspective, Photogram- metric Engineering and Remote Sensing, 52(3), 397-399.

Abstract Views

707
Metrics Loading ...

Metrics powered by PLOS ALM


 

Citado por (artículos incluidos en Crossref)

This journal is a Crossref Cited-by Linking member. This list shows the references that citing the article automatically, if there are. For more information about the system please visit Crossref site

1. Using semivariogram indices to analyse heterogeneity in spatial patterns in remotely sensed images
A. Balaguer-Beser, L.A. Ruiz, T. Hermosilla, J.A. Recio
Computers & Geosciences  vol: 50  primera página: 115  año: 2013  
doi: 10.1016/j.cageo.2012.08.001



Esta revista esta bajo una Licencia licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional

Universitat Politècnica de València

e-ISSN: 1988-3145   https://dx.doi.org/10.4995/msel