Vpliv stiskanja jpeg2000 z izgubami na klasifikacijo posnetkov worldview-2 ; Effects of lossy jpeg2000 compression method on worldview-2 image classification
Stiskanje z izgubami se vse pogosteje uporablja v daljinskem zaznavanju, čeprav njegov vpliv na rezultate obdelav posnetkov še ni v celoti raziskan. V članku so predstavljeni učinki stiskanja JPEG2000 z izgubami na klasifikacijo posnetkov zelo visoke ločljivosti WorldView-2. Za klasifikacijo stisnje...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Association of Surveyors of Slovenia (Zveza geodetov Slovenije)
2012-01-01
|
| Series: | Geodetski Vestnik |
| Subjects: | |
| Online Access: | http://www.geodetski-vestnik.com/56/2/gv56-2_275-289.pdf |
| Summary: | Stiskanje z izgubami se vse pogosteje uporablja v daljinskem zaznavanju, čeprav njegov vpliv na rezultate obdelav posnetkov še ni v celoti raziskan. V članku so predstavljeni učinki stiskanja JPEG2000 z izgubami na klasifikacijo posnetkov zelo visoke ločljivosti WorldView-2. Za klasifikacijo stisnjenih posnetkov smo prvič uporabili objektni metodi k-najbližji sosed (k-nearest neighbor) in metodo podpornih vektorjev (support vector machine), ki smo ju tudi primerjali. Rezultati razkrivajo vpliv stiskanja na same posnetke, segmentacijo in končno klasifikacijo. Študija dokazuje, da v splošnem stiskanje z izgubo ne vpliva negativno na klasifikacijo posnetkov, še več, v nekaterih primerih ima klasifikacija stisnjenih posnetkov boljše rezultate kot klasifikacija izvirnih posnetkov. Natančnost klasifikacij z metodo podpornih vektorjev kaže na možnost stiskanja podob do razmerja 30 : 1 brez izgube natančnosti klasifikacije. Najboljši rezultat z metodo k-najbližji sosed smo pridobili z najvišjim kompresijskim razmerjem (100 : 1). V raziskavi smo ugotovili, da metoda podpornih vektorjev daje boljše rezultate klasifikacije kot metoda k-najbližji sosed ter se priporoča tudi za nadaljnje raziskave. Poleg metode klasifikacije ima pri natančnosti rezultatov pomembno vlogo tudi segmentacija posnetkov ; Lossy compression is becoming increasingly used in remote sensing, although its effect on the processing results has yet not been fully investigated. This paper presents the effects of JPEG2000 lossy compression on the classification of very high-resolution WorldView-2 imagery. For the first time, the k-nearest neighbor and support vector machine methods of the object based classification were used. The results explore the impact of compression on the images, segmentation and resulting classification. The study proves that in general lossy compression does not adversely affect the classification of images; moreover, in some cases classification of compressed images yields better results than classification of the original image. Classification accuracy of the support vector machine method indicates that compression ratios of up to 30:1 can be used without any loss of classification accuracy. The best result of the k-nearest neighbor method was obtained with the highest compression ratio (100:1). The support vector machine is recommended for further research. In addition to the classification method, image segmentation also plays an important role in the accuracy of the results. |
|---|---|
| ISSN: | 0351-0271 1581-1328 |