Zinātniskās darbības atbalsta sistēma
Latviešu English

Publikācija: Automated Training Data Preparation of Diverse Land Cover Types for Classification of Multispectral Images

Publikācijas veids Publikācija RTU zinātniskajā žurnālā
Pamatdarbībai piesaistītais finansējums Nav zināms
Aizstāvēšana: ,
Publikācijas valoda English (en)
Nosaukums oriģinālvalodā Automated Training Data Preparation of Diverse Land Cover Types for Classification of Multispectral Images
Pētniecības nozare 2. Inženierzinātnes un tehnoloģijas
Pētniecības apakšnozare 2.2. Elektrotehnika, elektronika, informācijas un komunikāciju tehnoloģijas
Autori Inga Pakalnīte
Aleksandrs Glazs
Atslēgas vārdi Image analysis, Landsat TM/ETM+, Latvia, remote sensing, vegetation indices
Anotācija An automated method for sample data selection for Landsat TM and ETM+ images is presented in this paper. Training data is sampled with the use of reflected electromagnetic radiation in separate frequency bands and their combinations. Data is selected for four land cover types of interest, differentiated by land use – water bodies, wetlands, agricultural land, and forests. The proposed method can be used when reference data is lacking or incomplete. For a quality check of the prepared sampling data k-nearest neighbour’s algorithm was used. A high accuracy of classification result was acquired, demonstrated by the results of the experiment section of the study.
Atsauce Pakalnīte, I., Glazs, A. Automated Training Data Preparation of Diverse Land Cover Types for Classification of Multispectral Images. Datorvadības tehnoloģijas. Nr.14, 2013, 18.-24.lpp. ISSN 2255-9108. e-ISSN 2255-9116.
Pilnais teksts Pilnais teksts
ID 17755