- -

Semivariogram calculation optimization for object-oriented image classification

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Semivariogram calculation optimization for object-oriented image classification

Show simple item record

Files in this item

dc.contributor.author Balaguer-Beser, A. es_ES
dc.contributor.author Hermosilla, T. es_ES
dc.contributor.author Recio, J. es_ES
dc.contributor.author Ruiz, L.A. es_ES
dc.date.accessioned 2018-04-23T12:58:22Z
dc.date.available 2018-04-23T12:58:22Z
dc.date.issued 2011-06-05
dc.identifier.uri http://hdl.handle.net/10251/100890
dc.description.abstract [EN] In this paper we propose and evaluate different mathematical parameters extracted from the experimental semivariogram for land use/land cover classification using high-resolution images and cadastral mapping limits for the definition of the objects of analysis. First, we describe the process of calculating the semivariogram from the gray level values in an image object. In order to optimize the computation time we present two pixel selection techniques that preserve the original shape of the semivariogram. Several parameters are then extracted from the semivariogram. Finally, we use various statistical techniques to select the most discriminant parameters. Last section shows the results obtained using aerial digital images of an agricultural area on the Mediterranean coast of Spain. The study of the practical application presented in this paper facilitates the understanding of the relationship between the behaviour of the experimental semivariogram and the variability of the intensity values in a digital image. In order to follow the development of this work, the reader should know some basis of classification methods and digital image processing techniques. es_ES
dc.description.abstract [ES] En este trabajo se proponen y evalúan diferentes parámetros matemáticos extraídos del semivariograma experimental para la clasificación de los usos del suelo mediante imágenes de alta resolución, usando los límites catastrales para la definición de los objetos de análisis. En primer lugar, se describe el proceso de cálculo del semivariograma a partir de los valores de niveles de gris del objeto imagen. Con el fin de optimizar el tiempo de cálculo se presentan dos técnicas de selección de píxeles que conservan la forma original del semivariograma. A continuación se definen varios parámetros del semivariograma. Final- mente, se usan diferentes técnicas estadísticas para la selección de los parámetros más discriminantes. La última sección muestra los resultados obtenidos con las imágenes digitales aéreas de una zona agrícola en la costa mediterránea de España. El estudio de la aplicación práctica que se presenta facilita la comprensión de la relación entre el comportamiento del semivariograma experimental y la variabilidad de los valores de intensidad en una imagen digital. Con el fin de seguir el desarrollo de este trabajo, el lector debe conocer algunos métodos estadísticos de clasificación y algunas técnicas de procesamiento digital de imágenes. es_ES
dc.description.sponsorship The authors appreciate the financial support provided by the Spanish Ministry of Science and Innovation and the FEDER in the framework of the Projects CGL2009-14220-C02-01 and CGL2010-19591/BTE. es_ES
dc.language Inglés es_ES
dc.publisher Universitat Politècnica de València
dc.relation MICINN/CGL2009-14220-C02-01 es_ES
dc.relation info:eu-repo/grantAgreement/MICINN//CGL2010-19591/ES/DESARROLLO DE METODOLOGIAS INTEGRADAS PARA LA ACTUALIZACION DE BASES DE DATOS DE OCUPACION DEL SUELO/ es_ES
dc.relation.ispartof Modelling in Science Education and Learning
dc.rights Reconocimiento - No comercial (by-nc) es_ES
dc.subject Semivariogram features es_ES
dc.subject Object-oriented classification es_ES
dc.subject Digital image processing es_ES
dc.title Semivariogram calculation optimization for object-oriented image classification es_ES
dc.type Artículo es_ES
dc.date.updated 2018-04-23T11:51:49Z
dc.identifier.doi 10.4995/msel.2011.3057
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Ingeniería Cartográfica Geodesia y Fotogrametría - Departament d'Enginyeria Cartogràfica, Geodèsia i Fotogrametria es_ES
dc.description.bibliographicCitation Balaguer-Beser, A.; Hermosilla, T.; Recio, J.; Ruiz, L. (2011). Semivariogram calculation optimization for object-oriented image classification. Modelling in Science Education and Learning. 4:91-104. https://doi.org/10.4995/msel.2011.3057 es_ES
dc.description.accrualMethod SWORD es_ES
dc.relation.publisherversion https://doi.org/10.4995/msel.2011.3057 es_ES
dc.description.upvformatpinicio 91 es_ES
dc.description.upvformatpfin 104 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 4
dc.identifier.eissn 1988-3145
dc.contributor.funder Ministerio de Ciencia e Innovación es_ES
dc.relation.references Curran, P. J. (1988). The semivariogram in remote sensing: An introduction. Remote Sensing of Environment, 24(3), 493-507. doi:10.1016/0034-4257(88)90021-1 es_ES
dc.relation.references J.P. Chilés, P. Delfinder, 1999, Geostatistics. Modeling Spatial Uncertainty, John Wiley and Sons, New York. es_ES
dc.relation.references P. Goovaerts, 1997, Geostatistics for Natural Resources Evaluation. Oxford University Press: New York. es_ES
dc.relation.references E.H. Isaaks, R.M. Srivastava, 1989, An introduction to applied geostatistics. Oxford. [10] D.K. McIver, M.A. Friedl, 2002, Using prior probabilities in decision tree classification of remotely sensed data. Remote Sensing of Environment 81, 253-261. es_ES
dc.relation.references M.J. Pyrcz, C.V. Deutsch, 2003, The Whole Story on the Hole Effect. In: Searston, S. (Eds.) Geostatistical Association of Australasia, Newsletter 18. es_ES
dc.relation.references J.R. Quinlan, 1993, C4.5: Programs For Machine Learning. Morgan Kaufmann, Los Altos. es_ES
dc.relation.references L.A. Ruiz, J.A. Recio, T. Hermosilla, 2007, Methods for automatic extraction of regularity patterns and its application to object-oriented image classification. In: International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, XXXVI, Munich, Germany, 117-121. es_ES
dc.relation.references M. Story, R. G. Congalton, 1986, Accuracy assessment: a user's perspective, Photogram- metric Engineering and Remote Sensing, 52(3), 397-399. es_ES


This item appears in the following Collection(s)

Show simple item record