OBJECT-ORIENTED CLASSIFICATION OF A QUICKBIRD IMAGE OF HANOI CITY (VIETNAM): EMPIRICAL STUDY OF SEGMENTATION PARAMETERS
CLASSIFICATION ORIENTÉE OBJET D'UNE IMAGE QUICKBIRD DE LA VILLE DE HANOI (VIÊTNAM) : ÉTUDE EMPIRIQUE DES PARAMÈTRES DE SEGMENTATION
Abstract
Very high spatial resolution (VHSR) images have led to the development of new applications in urban remote sensing.
Despite the many advantages of the object oriented approach, the exact parameters that should be used in processing
VHSR images for urban settings are still ill-documented. In this paper, we determine empirically the best parameters of
segmentation for the extraction of urban objects from a Quickbird image (0.7m). The study is conducted in a dense
central district of Hanoi (Vietnam). Empirical tests on segmentation parameters are conducted in eCognition, with a
specific focus on the ratios of colour/shape and of compactness/smoothness. For classes of water and vegetation
(agriculture, street trees, park trees and isolated trees), colour is much more important than shape, and compactness is
less important than smoothness. Extraction of a large road is successfully achieved by using a weak compactness, but
small streets are not adequately classified. For housing blocks, shape is more important than colour while compactness
is more important than smoothness. In order to improve the classification of isolated trees and small streets, we
recommend to use altitude data or data with higher spectral resolution, along with methods that are more adapted to
those classes.
L'arrivée de l'imagerie satellite à très haute résolution spatiale (THRS) ouvre de nouvelles applications en télédétection urbaine. Malgré les nombreux avantages de l'approche orientée objets pour le traitement de l'image à THRS en milieu urbain, les paramètres de réalisation de cette approche sont encore peu documentés. L'objectif de l'article est de déterminer de façon empirique les paramètres de segmentation pour l'extraction des objets urbains à partir d'une image Quickbird (0,7 m). L'étude porte sur un milieu urbain dense, soit un des districts centraux de la ville de Hanoi (Viêtnam). Les tests empiriques sont effectués sur les paramètres de segmentation dans eCognition, notamment les ratios de couleur/forme et de compacité/lissage. Pour les classes d'eau et de végétation (zones agricoles, arbres de parcs, arbres au bord des rues, arbres isolés), la couleur est nettement plus importante que la forme et ce, avec une faible compacité de segmentation. L'extraction d'une grande route est satisfaisante avec une faible compacité, mais les petites rues ne sont pas adéquatement classifiées. Pour les îlots de bâtiments, la forme est plus pertinente que la couleur et la compacité est plus importante que le lissage. Afin d'améliorer la classification des arbres dispersés et des petites rues, nous recommandons d'utiliser des données d'altitude ou de plus haute résolution spectrale ainsi que des méthodes de traitement d'images plus adaptées. Mots clés : approche orientée objet, Quickbird, paramètres de segmentation, milieu urbain
| Origin | Publisher files allowed on an open archive |
|---|
Loading...