Original title:
Extrakce krajinných prvků z dat dálkového průzkumu
Translated title:
Extraction of Landscape Elements from Remote Sensing Data
Authors:
Ferencz, Jakub ; 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]
Tato diplomová práce se zabývá klasifikačními metodami pro automatickou detekci různých krajinných prvků z kombinace snímků vysokého rozlišení a LiDAR dat. Hlavním cílem je představit další možnou metodu zpracování pro volně přístupná data, která může nahradit tradiční mapování pro specifické aplikace. Klasifikace snímků je metoda, která dělí snímek do různých kategorií a zajišťuje tak stálý a aktuální monitoring. V dnešní době, s přístupem k novým technologiím a softwarům, je možné postupně nahradit tradiční monitorovací postupy plně automatizovaným procesem, jehož výstupem jsou přesná a levná data. V tomto projektu je použita objektově orientovaná analýza snímků (OBIA) pro klasifikaci pěti terénních typů z použitých dat. Byl vyvinut a testován automatický klasifikační proces, který poskytuje 88 % úspěšnost správného přiřazení terénního typu. Následně, přenosnost tohoto postupu byla testována v jiné lokalitě s podobným úspěchem - přesnost správného přiřazení byla 87 %. Závěr práce se zabývá problémy, které se vyskytly v průběhu tvorby tohoto klasifikačního postupu a nastiňuje další varianty, které by bylo možné použít pro zlepšení celého procesu.
This master thesis deals with a classification technique for an automatic detection of different land cover types from combination of high resolution imagery and LiDAR data sets. The main aim is to introduce additional post-processing method to commonly accessible quality data sets which can replace traditional mapping techniques for certain type of applications. Classification is the process of dividing the image into land cover categories which helps with continuous and up-to-date monitoring management. Nowadays, with all the technologies and software available, it is possible to replace traditional monitoring methods with more automated processes to generate accurate and cost-effective results. This project uses object-oriented image analysis (OBIA) to classify available data sets into five main land cover classes. The automate classification rule set providing overall accuracy of 88% of correctly classified land cover types was developed and evaluated in this research. Further, the transferability of developed approach was tested upon the same type of data sets within different study area with similar success – overall accuracy was 87%. Also the limitations found during the investigation procedure are discussed and brief further approach in this field is outlined.
Keywords:
classification; eCognition; high-resolution imagery; land cover; LiDAR; nDSM; OBIA; eCognition; klasifikácia; krajinné prvky; LiDAR; nDSM; OBIA; snímky vysokého rozlišení
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/11012/29695