Publikace detail

Comparison of pixel and object-based image classification based on very high spatial resolution UAV-borne RGB imagery - Baroch case study

Autoři: Krátký Martin | Komárková Jitka

Rok: 2025

Druh publikace: článek ve sborníku

Název zdroje: 2025 IEEE Zooming Innovation in Consumer Technologies Conference, ZINC 2025

Název nakladatele: IEEE (Institute of Electrical and Electronics Engineers)

Místo vydání: New York

Strana od-do: 131 - 135

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Porovnání klasifikace obrazu na základě pixelů a objektů na základě RGB snímků z bezpilotních letounů s velmi vysokým prostorovým rozlišením - případová studie Baroch	Tato případová studie porovnává metody klasifikace obrazů založené na pixelech a objektech použité na snímky RGB s velmi vysokým prostorovým rozlišením pořízené bezpilotním letounem (UAV) pro klasifikaci krajinného pokryvu. Analýza se zaměřuje na přírodní rezervaci Baroch v Pardubickém kraji v České republice s využitím snímků RGB pořízených bezpilotním letounem DJI Mavic 2 DUAL Enterprise s prostorovým rozlišením 2 cm na pixel. Byly použity dvě klasifikační metody dostupné v ArcGIS Pro, metoda maximální věrohodnosti (ML) a metoda podpůrných vektorů (SVM), s využitím technik klasifikace založené na pixelech i objektech. Byly rozlišeny čtyři třídy krajinného pokryvu: vysoká vegetace, nízká vegetace, holá půda a stíny. Přesnost klasifikace byla vyhodnocena pomocí 1 000 náhodně rozdělených validačních bodů, přičemž výkon byl kvantifikován koeficientem Kappa. Výsledky naznačují, že klasifikace založená na pixelech dosahuje vyšší přesnosti než klasifikace založená na objektech, zejména pro vegetační oblasti. Tato zjištění naznačují, že přístupy založené na pixelech jsou vhodnější pro snímky UAV s vysokým prostorovým rozlišením při klasifikaci prostředí bohatých na vegetaci.	UAV; RGB snímky; řízená klasifikace; klasifikace pixelů; klasifikace objektů; klasifikace krajinného pokryvu
eng	Comparison of pixel and object-based image classification based on very high spatial resolution UAV-borne RGB imagery - Baroch case study	This case study compares supervised pixel-based and object-based image classification approaches applied to very high spatial resolution RGB imagery acquired by an unmanned aerial vehicle (UAV) for land cover classification. The analysis focuses on the Baroch Nature Reserve in the Pardubice region of the Czech Republic, using RGB images captured by a DJI Mavic 2 DUAL Enterprise UAV at a spatial resolution of 2 cm per pixel. Two classification methods available in ArcGIS Pro, Maximum Likelihood (ML) and Support Vector Machine (SVM), were applied using both pixel-based and object-based classification techniques. Four land cover classes were distinguished: high vegetation, low vegetation, bare soil, and shadows. Classification accuracy was evaluated using 1,000 randomly distributed validation points, with performance quantified by the Kappa coefficient. The results indicate that pixel-based classification achieves higher accuracy than object-based classification, particularly for vegetated areas. These findings suggest that pixel-based approaches are more suitable for high spatial resolution UAV imagery when classifying vegetation-rich environments.	UAV; RGB Imagery; Supervised Classification; Pixel-Based Classification; Object-Based Classification; Land Cover Classification

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Ústavy

Pracoviště

Jak nás najdete?

Služby

Často hledáte