Original title:
Extrakce krajinných prvků z dat dálkového průzkumu
Translated title:
Extraction Landscape Elements from Remote Sensing Data
Authors:
Martinová, Olga ; Kalvoda, Petr (referee) ; Hanzl, Vlastimil (advisor) Document type: Master’s theses
Year:
2013
Language:
cze Publisher:
Vysoké učení technické v Brně. Fakulta stavební Abstract:
[cze][eng]
V této práci je popsán postup pro automatickou detekci krajinných prvků z dat pořízených bezkontaktními dálkovými metodami. Tato interpretace dat byla provedena v softwaru eCognition Developer prostřednictvím procesu klasifikace. Pro klasifikaci byla využita matoda obektově orientované analýzy, která dělí data takovým způsobem, že přiřazuje informaci o příslušnosti k nějaké třídě, například krajinnému typu, skupinám pixelů - objektům. Klasifikace byla provedena se současným využitím produktů dvou různých mapovacích technik - ortofot pořízených z leteckého snímkování a normalizovaného digitálního modelu povrchu, který byl určen pomocí LiDARU. Bylo identifikováno a klasikováno pět typů krajinných prvků.
In this thesis, an approach to automatically derive information about land cover from the remotely sensed data is presented. The data interpretation was done with classification process and performed in software eCognition Developer. The Object-based image analysis, which assignes the classes - for example land cover types, to clusters of pixels (=objects), was used. For the classification, products of two different data sources were combined - the orthophotos generated from aerial imagery and Normalized Digital surface model derived from LiDAR data. Five types of landscape elements were identified and classified.
Keywords:
classification; eCognition Developer; Normalised digital surface model (nDSM); object-based image analysis (OBIA); eCognition Developer; klasifikace; Normalizovaný digitální model povrch (nDSM); objektově orientovaná analýza (OBIA)
Institution: Brno University of Technology
(web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library. Original record: http://hdl.handle.net/11012/29694