Portal de Periódicos da CAPES

An integrated spatial and spectral approach to the classification of Mediterranean land cover types: the SSC method

2001; Elsevier BV; Volume: 3; Issue: 2 Linguagem: Francês

10.1016/s0303-2434(01)85009-1

1872-826X

S.M. de Jong, T. J. Hornstra, Hans‐Gerd Maas,

Advanced Image Fusion Techniques

Classification of remotely sensed images is often based on assigning classes on a pixel by pixel basis. Such a classification ignores often useful reflectance information in neighbouring pixels. Open types of natural land cover such as maquis and garrigue ecosystems as found in the Mediterranean region may be classified successfully by methods accounting for reflectance patterns in neighbouring pixels. Classification methods capturing neighbouring pixel information are referred to as contextual classifiers. In this paper a new method, the spatial and spectral classifier or SSC is proposed that combines the advantages of two classification methods based on spectral information and on contextual information from neighbouring pixels. The SSC method starts by dividing a hyperspectral image into homogeneous and heterogeneous regions based on spectral variation of pixels within a kernel. Next, the homogeneous image parts are classified using a conventional per-pixel method. The heterogeneous image sections are classified using a combination of spectral and contextual information. The method was tested and the accuracy assessed using airborne DAIS7915 hyperspectral images acquired over an area in southern France covered by semi-natural vegetation, agricultural fields and open mining activities. Classification accuracy is compared with results of purely spectral classifiers. Results were promising and indicate that the accuracy of the SSC classifier was higher than that of the conventional per-pixel classifiers. La classification d'images de télédétection est souvent basée sur l'assignation de classes sur une base de pixel par pixel. Une telle classification ignore souvent une information utile de réflectance dans les pixels voisins. Des types ouverts de couverture naturelle du sol tels que des écosystèmes de maquis et garrigue comme on les trouve dans la région méditerranéenne peuvent être classifiés avec succès par des méthodes tenant compte des formes de réflectance dans les pixels voisins. Des méthodes de classification captant l'information des pixels voisins sont appelées classificateurs contextuels. Dans cet article on propose une nouvelle méthode, le classificateur spatial et spectral ou CSS, qui combine les avantages des deux méthodes de classification basées sur l'information spectrale et l'information contextuelle des pixels voisins. La méthode CSS commence par diviser une image hyperspectrale en régions homogènes et hétérogènes basées sur la variation spectrale des pixels à l'intérieur d'un noyau. Ensuite les parties d'image homogène sont classifiées en utilisant une méthode conventionnelle par pixel. Les sections d'image hétérogène sont classifiées en utilisant une combinaison d'information spectrale et contextuelle. La méthode a été testée et la précision évaluée à l'aide d'images hyperspectrales DAIS7915 acquises dans une région au sud de la France couverte par une végétation semie-naturelle, des champs cultivés et des activités minières à ciel ouvert. La précision de classification est comparée avec les résultats de classificateurs purement spectraux. Les résultats sont prometteurs et indiquent que la précision du classificateur CSS est supérieure à celle des classificateurs par pixel. A menudo, la clasificación de imágenes de teledetección se basa en la asignación de clases celda por celda. Esta manera de clasificar frecuentemente ignora la información de reflectancia útil que existe en las celdas vecinas. Se puede clasificar exitosamente tipos abiertos de cobertura natural de las tierras, tales como los ecosistemas de maquis y garrigue en la región mediterránea, con métodos que toman en cuenta los patrones de reflectancia de las celdas vecinas. Los métodos de clasificación que recogen información de celdas vecinas se conocen como clasificadores contextuales. En este artículo, se propone un nuevo método, el clasificador espacial y espectral o SSC, que combina las ventajas de dos métodos de clasificación basados en información espectral y en información contextual proveniente de las celdas vecinas. El método SSC primero divide una imagen hiperespectral en regiones homogéneas y en regiones heterogéneas en base a la variación espectral de las celdas dentro de un núcleo. En seguida, las áreas homogéneas de la imagen se clasifican mediante un modo convencional que trabaja celda por celda. Los sectores heterogéneos de la imagen se clasifican en base a una combinación de información espectral y contextual. Se ensayó el método y se evaluó su precisión en imágenes hiperespectrales aeroportadas DAIS7915 correspondientes a un área del sur de Francia cubierta por vegetación semi-natural, campos agrícolas y actividades mineras a cielo abierto. Se comparó la precisión de la clasificación con resultados obtenidos por clasificadores puramente espectrales. Los resultados fueron prometedores e indican que la precisión del clasificador SSC superó la de los clasificadores convencionales que operan celda por celda.