La recopilación precisa y oportuna de información sobre el uso y la ocupación del suelo urbano es crucial para muchos aspectos del desarrollo urbano y la protección del medio ambiente. Las imágenes de teledetección de muy alta resolución (VHR) han permitido detectar y distinguir información detallada sobre el terreno. Sin embargo, la abundante información de textura y los limitados canales espectrales de las imágenes VHR provocan un aumento de la varianza intraclase y una disminución de la varianza interclase. Numerosos estudios sobre algoritmos de clasificación basados en píxeles revelaron que existían algunas limitaciones en la extracción de información sobre la cubierta terrestre con imágenes de teledetección VHR cuando se aplicaban los clasificadores convencionales basados en píxeles. Con el objetivo de evaluar las ventajas de las estrategias de ensamblaje de clasificadores y el método de análisis de imágenes basado en objetos (OBIA) para la clasificación de datos de satélite VHR en zonas urbanas complejas, presentamos un enfoque integrado de segmentación multiescala OBIA y un método de ensamblaje de clasificadores maduro denominado bosque aleatorio. El marco fue probado en China GaoFen-1 (GF-1), y GF-2 VHR datos de teledetección sobre el distrito central de negocios (CBD) de Zhengzhou metropolitana. El flujo de procesos del marco propuesto incluye la fusión de datos, la segmentación de imágenes multiescala, la evaluación de la mejor escala de segmentación óptima, la extracción de características de textura multivariante, la construcción de clasificadores de aprendizaje de conjuntos de bosques aleatorios, la evaluación de la precisión y el consumo de tiempo. Las ventajas del marco propuesto se compararon y discutieron con varios algoritmos maduros de aprendizaje automático de última generación, como el k-nearest neighbor (KNN), la máquina de vectores soporte (SVM) y el clasificador de árbol de decisión (DTC). Los resultados experimentales muestran que la OA del método propuesto alcanza el 99,29
y 98,98 para los conjuntos de datos GF-1 y GF-2, respectivamente. Y el OA se incrementa en un 26,89%, 11,79%, 11,89% y 4,26 en comparación con los algoritmos tradicionales de aprendizaje automático, como el clasificador de árbol de decisión (DTC), la máquina de vectores soporte (SVM), k-nearest neighbor (KNN) y random forest (RF) en la prueba del conjunto de datos GF-1; el OA se incrementa en un 32,31%, 13,48%, 9,77% y 7,72 en el conjunto de datos GF-2. En términos de consumo de tiempo, por estadística aproximada, OBIA-RF gasta 223,55 s, SVM gasta 403,57 s, KNN gasta 86,93 s, y DT gasta 0,61 s de media de los conjuntos de datos GF-1 y GF-2. Teniendo en cuenta la precisión de la clasificación y el tiempo de ejecución, el método propuesto tiene una buena capacidad de generalización y robustez para la clasificación de superficies urbanas complejas con datos de teledetección de alta resolución.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Uso de nanopartículas magnéticas como terapia dirigida: Enfoque teranóstico para tratar y diagnosticar el cáncer
Artículo:
Un esquema ligero de uso compartido de Internet para imágenes médicas seccionales de acuerdo con las instalaciones de la red hospitalaria existente y las normas básicas de seguridad de la información
Artículo:
Investigación sobre el retardo de traspaso y el coste de gestión de la movilidad de los protocolos de movilidad en redes de sensores inalámbricas
Artículo:
Efectos de las resoluciones de exploración y los tamaños de los elementos en los parámetros mecánicos vertebrales bovinos a partir del análisis cuantitativo por elementos finitos basado en tomografía computarizada
Artículo:
Comportamiento y cinética de adsorción de la zearalenona en la montmorillonita intercalada con hidroxilo-Fe-Al
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.