host ::
| Hlavní stránka > Konferenční materiály > Příspěvky z konference > Hyperspectral image segmentation for estimation of biomass at reclaimed heaps |
Název:
Hyperspectral image segmentation for estimation of biomass at reclaimed heaps
Autoři: Pikl, Miroslav ; Zemek, František
Typ dokumentu: Příspěvky z konference
Konference/Akce: Global Change and Resilience, Brno (CZ), 2013-05-22 / 2013-05-24
Rok: 2013
Jazyk: eng
Abstrakt: This paper presents the preliminary results from a study that aims at estimation of above ground biomass and soil carbon content at reclaimed mining heaps in the Sokolov region. Two image segmentation methods are presented. We applied maximal likelihood (ML) and neural network (NN) classifi ers on airborne hyperspectral data. Th e objective of this part of the study was to prepare a land cover classifi cation of the region. Th e main focus was paid to discrimination of six classes with prevailing forest species cover. Th e classifi cation accuracy of the training sites was 93.75 % for NN and 79.12 % for ML respectively. But ML outperformed NN in overall classifi cation accuracy with 61.54 % compared to 40.9 % of NN. Th e more accurate results of the ML classifi er are probably infl uenced by properties of the training samples. Th e larger size of the training samples derived for ML enabled better representation of class histograms. Th e lower overall NN accuracy could result from high spatial resolution of HS data.
Klíčová slova: classification; hyperspectral; maximal likehood; neural network
Číslo projektu: ED1.1.00/02.0073, OC09001 (CEP), LM2010007 (CEP)
Poskytovatel projektu: GA MŠk, GA MŠk, GA MŠk
Zdrojový dokument: Global Change and Resilience: From Impacts to Responses : Proceedings of the 3rd annual Global Change and Resilience Conference, ISBN 978-80-904351-8-6
Instituce: Ústav výzkumu globální změny AV ČR (web)
Informace o dostupnosti dokumentu: Dokument je dostupný v příslušném ústavu Akademie věd ČR.
Původní záznam: http://hdl.handle.net/11104/0230119
Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-170363
Záznam je zařazen do těchto sbírek:
Věda a výzkum > AV ČR > Ústav výzkumu globální změny
Konferenční materiály > Příspěvky z konference
Autoři: Pikl, Miroslav ; Zemek, František
Typ dokumentu: Příspěvky z konference
Konference/Akce: Global Change and Resilience, Brno (CZ), 2013-05-22 / 2013-05-24
Rok: 2013
Jazyk: eng
Abstrakt: This paper presents the preliminary results from a study that aims at estimation of above ground biomass and soil carbon content at reclaimed mining heaps in the Sokolov region. Two image segmentation methods are presented. We applied maximal likelihood (ML) and neural network (NN) classifi ers on airborne hyperspectral data. Th e objective of this part of the study was to prepare a land cover classifi cation of the region. Th e main focus was paid to discrimination of six classes with prevailing forest species cover. Th e classifi cation accuracy of the training sites was 93.75 % for NN and 79.12 % for ML respectively. But ML outperformed NN in overall classifi cation accuracy with 61.54 % compared to 40.9 % of NN. Th e more accurate results of the ML classifi er are probably infl uenced by properties of the training samples. Th e larger size of the training samples derived for ML enabled better representation of class histograms. Th e lower overall NN accuracy could result from high spatial resolution of HS data.
Klíčová slova: classification; hyperspectral; maximal likehood; neural network
Číslo projektu: ED1.1.00/02.0073, OC09001 (CEP), LM2010007 (CEP)
Poskytovatel projektu: GA MŠk, GA MŠk, GA MŠk
Zdrojový dokument: Global Change and Resilience: From Impacts to Responses : Proceedings of the 3rd annual Global Change and Resilience Conference, ISBN 978-80-904351-8-6
Instituce: Ústav výzkumu globální změny AV ČR (web)
Informace o dostupnosti dokumentu: Dokument je dostupný v příslušném ústavu Akademie věd ČR.
Původní záznam: http://hdl.handle.net/11104/0230119
Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-170363
Záznam je zařazen do těchto sbírek:
Věda a výzkum > AV ČR > Ústav výzkumu globální změny
Konferenční materiály > Příspěvky z konference
Záznam vytvořen dne 2014-01-30, naposledy upraven 2021-11-24.