Pregled bibliografske jedinice broj: 1150439
Objektno orijentirana klasifikacija u svrhu izdvajanja urbane vegetacije
Objektno orijentirana klasifikacija u svrhu izdvajanja urbane vegetacije, 2021., diplomski rad, diplomski, Geodetski fakultet, Zagreb
CROSBI ID: 1150439 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
Naslov
Objektno orijentirana klasifikacija u svrhu izdvajanja urbane vegetacije
(Object-oriented classification for the purpose of isolating urban vegetation)
Autori
Pažanin, Ivo
Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, diplomski
Fakultet
Geodetski fakultet
Mjesto
Zagreb
Datum
19.02
Godina
2021
Stranica
46
Mentor
Krtalić, Andrija
Ključne riječi
eCognition Developer ; Knowledge based klasifikacija ; objektno orijentirani pristup ; Random Forest klasifikacija ; urbana vegetacija
(eCognition Developer ; Knowledge based classification ; object oriented approach ; Random Forest ; urban vegetation)
Sažetak
U sklopu diplomskog rada demonstrirana je objektno orijentirani pristup klasifikacije zračnih snimki u svrhu izdvajanja vegetacije u urbanim područjima. Cilj rada sastoji se od stvaranja poluautomatskog postupka izdvajanja vegetacije u dvije klase, niska i visoka vegetacija, uz korištenje isključivo rasterskih podataka. Principi objektno orijentiranog pristupa leže u činjenici da skupine piksela, koji se nazivaju segmenti, tvore prirodne i umjetne geografske objekte. Ulazni podaci su tri zračne tro-kanalne snimke grada Zagreba prostorne rezolucije 25 cm s preklopom unutar niza. Kreiranje digitalnog elevacijskog modela i vegetacijskih su kreirani u svrhu uspješnije klasifikacije. Segmentacija i klasifikacija su izvršeni u programu eCognition Developer 8.9 koji se pokazao kao izuzetno moćan i koristan program za analizu snimki. U sklopu rada ispitane su metode Knowledge based klasfikacije, utemeljene na skupu pravila, i nadzirane klasifikacije upotrebom strojnog učenja tj. Random Forest algoritma. Točnost klasifikacija procijenjena je pomoću matrice pogrešaka i referentnih uzoraka. Knowledge based klasifikacijom postignuta je ukupna točnost od 96.2 % dok korištenje nadzirane Random Forest klasifikacije postiže ukupnu točnost od 93.6 %. Poluautomatsko izdvajanje urbane vegetacije korak je naprijed prema upravljanju prostornim podacima koji su od velike važnosti za kvalitetu života u gradovima. Detekcijom promjena urbane vegetacije u blisko realnom vremenu daje prostora i vremena za promptno reagiranje u sklopu detektiranih promjena.
Izvorni jezik
Hrvatski
Znanstvena područja
Geodezija, Interdisciplinarne tehničke znanosti
