کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6949711 1451286 2014 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Multiple-entity based classification of airborne laser scanning data in urban areas
ترجمه فارسی عنوان
طبقه بندی مبتنی بر چندین نهاد داده های اسکنر لیزر هوایی در مناطق شهری
کلمات کلیدی
اسکنر لیزری هواپیما، طبقه بندی، نهاد چندگانه، سقف، دیوار، زندگی گیاهی، زمین اب، ساختمان،
ترجمه چکیده
در همین حال، ما عملکرد پنج طبقه بندی را مقایسه کردیم. روش مبتنی بر قانون، بالاترین دقت کلی را در 97.0٪ ارائه می دهد. روش مبتنی بر قانون، بیش از 99.0٪ دقت را برای کلاسهای زمین و سقف فراهم می کند و حداقل دقت 90.0٪ برای آب، گیاه، دیوار و کلاس های شیء نامشخص است. بدیهی است که دقت کلاس کلاس اشیاء تنها 70 درصد از روش مبتنی بر قانون است و یا حتی با طبقه بندی های دیگر پایین تر است. اکثر عناصر سقف به کلاس سقف اختصاص داده شده است، همانطور که در ماتریس سردرگمی نشان داده شده است. این تکالیف اشتباه خطاهای مهلک نیست، چرا که هر دو سقف و یک عنصر سقف بخشی از یک ساختمان هستند. علاوه بر این، یک ویژگی جدید که نشان می دهد فضای متوسط ​​نقطه در بخش مسطح به منظور تشخیص پوشش گیاهی از سایر طبقات تعمیم داده می شود. عملکرد آن با درصد امتیاز با تعداد پالس های متعدد در بخش های مسطح مقایسه می شود. با استفاده از ویژگی محاسبه شده تنها با فضای نقطه مرکزی، میزان تشخیص پوشش گیاهی در یک طبقه بندی مبتنی بر قاعده 85.5٪ است که 6٪ کمتر از اطلاعات مربوط به شمارش پالس است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر سیستم های اطلاعاتی
پیش نمایش مقاله
طبقه بندی مبتنی بر چندین نهاد داده های اسکنر لیزر هوایی در مناطق شهری
چکیده انگلیسی
Meanwhile, we compared the performances of five classifiers. The rule-based method provides the highest overall accuracy at 97.0%. The rule-based method provides over 99.0% accuracy for the ground and roof classes, and a minimum accuracy of 90.0% for the water, vegetation, wall and undefined object classes. Notably, the accuracy of the roof element class is only 70% with the rule-based method, or even lower with other classifiers. Most roof elements have been assigned to the roof class, as shown in the confusion matrix. These erroneous assignments are not fatal errors because both a roof and a roof element are part of a building. In addition, a new feature which indicates the average point space within the planar segment is generalised to distinguish vegetation from other classes. Its performance is compared to the percentage of points with multiple pulse count in planar segments. Using the feature computed with only average point space, the detection rate of vegetation in a rule-based classifier is 85.5%, which is 6% lower than that with pulse count information.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: ISPRS Journal of Photogrammetry and Remote Sensing - Volume 88, February 2014, Pages 1-15
نویسندگان
, , ,