Légi hiperspektrális felvétel osztályozási pontosságának vizsgálata fás mintaterületen

Abstract

Jelen kutatásunkban osztályozási technikákat vizsgáltunk hiperspektrális légi felvételen, különböző fafajok elkülönítésének céljával. A különböző módszerek alapját két képi jelerősítő transzformációtípus (PCA – főkomponens analízis, MNF – legkisebb zajhatású rész) és három irányított pixelalapú képosztályozási algoritmus (ML – Maximum Likelihood, SVM – Support Vector Machine, RF – Random Forest) és ezek kombinációja adta. A vizsgált terület egy a Mecsek lábánál elterülő dombos terület volt. A legmagasabb osztályozási pontosságot 81,16%-kal az MNF transzformált csatornákon elvégzett SVM-osztályozás hozta, 10 különböző fafaj esetén, egy közel két négyzetkilométeres mintaterületen. Ezt követően a meghatározott leghatékonyabb osztályozót kiterjesztettük a teljes felvételezett területre (13 km2), amelyen az 70,20%-os teljes pontossági értéket mutatott, immáron 16 különböző fafajnál.