Đăng nhập
 
Tìm kiếm nâng cao
 
Tên bài báo
Tác giả
Năm xuất bản
Tóm tắt
Lĩnh vực
Phân loại
Số tạp chí
 

Bản tin định kỳ
Báo cáo thường niên
Tạp chí khoa học ĐHCT
Tạp chí tiếng anh ĐHCT
Tạp chí trong nước
Tạp chí quốc tế
Kỷ yếu HN trong nước
Kỷ yếu HN quốc tế
Book chapter
Bài báo - Tạp chí
Tập 54, Số 4 (2018) Trang: 22-30
Tải về

Thông tin chung:

Ngày nhận bài: 16/10/2017
Ngày nhận bài sửa: 06/01/2018

Ngày duyệt đăng: 18/06/2018

 

Title:

Detecting segmentation parameters to classify using Landsat 8 satellite image

Từ khóa:

Ảnh đa phổ Landsat 8, eCognition, Nearest neighbor, phân đoạn Multiresolution, Scale, Shape

Keywords:

eCognition, Landsat 8 satellite image, Multiresolution segmentation, Nearest Neighbor, Scale, Shape

ABSTRACT

This study detected the required parameters to segment the Landsat 8 satellite imageries at different levels for mapping Land Use/Land Cover (LULC). Firstly, Mutiresolution segmentation was used to segment the images into different levels. Two important parameters used to segment are Scale and Shape; of which different levels – 20, 30 and 40 for Scale; and 0.1, 0.2, 0.3 and 0.4 for Shape – were tested. Secondly, Nearest Neighbor classifier was applied on the segmented images to classify the whole area into 7 different types of LULC using training sites from field and available data. Finally, the classification results were validated using independent data based on the two criteria of Overall Accuracy and Kappa coefficient. The results show that the best result was found in case of using the Scale=40 and the Shape parameter=0,3 which gained the highest accuracy with Overall Accuracy was 81,9% and Kappa coefficient was 0,788.

TÓM TẮT

Nghiên cứu này lựa chọn các tham số phân đoạn phù hợp đối với ảnh vệ tinh đa phổ Landsat 8 để phân loại thảm phủ/sử dụng đất (LULC-Land Use Land Cover). Đầu tiên thuật toán phân đoạn đa phân giải (Multiresolution) được sử dụng để phân đoạn ảnh theo các mức độ khác nhau. Hai tham số được sử dụng để phân đoạn ảnh là tham số quy mô (Scale) và tham số hình dạng (Shape). Nghiên cứu đã thử nghiệm phân đoạn với các cấp độ khác nhau của hai tham số này. Với tham số Scale, có 3 cấp độ được thử nghiệm bao gồm: 20, 30, 40, trong khi tham số Shape các giá trị thay đổi bao gồm 0,1, 0,2, 0,3, 0,4. Sau đó sử dụng thuật toán Nearest Neighbor để phân loại ảnh thành 7 lớp thảm phủ/sử dụng đất dựa vào vùng mẫu đã được lựa chọn trên thực địa và dữ liệu có sẵn. Cuối cùng sử dụng bộ dữ liệu độc lập để đánh giá kết quả phân loại dựa vào độ chính xác toàn bộ (Overall Accuracy) và hệ số Kappa. Kết quả chỉ ra khi sử dụng ảnh vệ tinh Landsat 8 để phân thành 7 loại LULC bao gồm: Đất nông nghiệp, Cao su, Khu dân cư, Mặt nước, Rừng thường xanh, Rừng bán thường xanh và Rừng Khộp, các tham số phù hợp lần lượt là: Scale=40, Shape=0,3 cho độ chính xác cao nhất với độ chính xác toàn bộ là 81,9% và hệ số Kappa là 0,788.

Trích dẫn: Ngô Thị Thùy Phương, Nguyễn Thị Thanh Hương và Võ Quang Minh, 2018. Lựa chọn tham số phân đoạn phù hợp để phân loại ảnh vệ tinh đa phổ Landsat 8 OLI. Tạp chí Khoa học Trường Đại học Cần Thơ. 54(4A): 22-30.

 

Crossref DOI of CTUJoS


BC thường niên 2018


Con số ấn tượng (VN | EN)


Bản tin ĐHCT


TCKH tiếng Việt


TCKH tiếng Anh

 
 
Vui lòng chờ...