Combination of supervised and unsupervised classifiers based on belief functions - Archive ouverte HAL Accéder directement au contenu
Thèse Année : 2020

Combination of supervised and unsupervised classifiers based on belief functions

Combinaison de classificateurs supervisés et non supervisés fondés sur les fonctions de croyance

Résumé

Land cover classification using satellite data is one of the most important applications of remote sensing. A great deal of ground information is usually required to generate high-quality land cover classification. However, in complex natural areas, collecting information on the ground can be timeconsuming and extremely expensive. Nowadays, multiple sensor technologies have gained great attention in land cover classification. They bring different and complementary information-spectral characteristics that may help to overcome the limitations caused by inadequate ground information. In our research, we focus on the fusion of heterogeneous information from different sources. The combination system aims to solve the problems caused by limited labeled samples and can thus be used in land cover classification for hard-to-access areas. We propose a new fusion framework based on belief functions that can combine heterogeneous information and manage uncertainty. This fusion framework includes a transformation method that can transfer heterogeneous information in the same framework and an iterative fusion strategy that takes the most reliable information from each classification result and to combine in a cautious way. We evaluate this fusion framework on real remote sensing data and it shows satisfying performance to improve the accuracy of land cover classification when training samples are limited or mislabeled.
L’identification des types de couverture terrestre fournit des informations de base pour la production d’autres cartes thématiques et établit une base de références pour les activités de surveillance. Par conséquent, la classification de la couverture terrestre à l’aide de données satellitaires est l’une des applications les plus importantes de la télédétection. De nos jours, les technologies à capteurs multiples font l’objet d’une grande attention dans la classification de la couverture terrestre. Dans notre recherche, nous nous concentrons sur la fusion d’informations hétérogènes provenant de différentes sources. Le système de combinaison vise à résoudre les problèmes causés par le nombre limité d’échantillons étiquetés et peut-être donc utilisé dans la classification de la couverture des terres pour les zones difficiles d’accès. Nous proposons un nouveau cadre de fusion sur des fonctions de croyance qui permettent de combiner des informations hétérogènes et gérer l’incertitude. Ce cadre de fusion comprend une méthode de transformation qui peut transférer des informations hétérogènes dans le même cadre et une stratégie de fusion itérative qui prend les informations les plus fiables de chaque résultat de classification et de regroupement de manière prudente
Fichier principal
Vignette du fichier
thesis_Na_final.pdf (13.01 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-03029781 , version 1 (29-11-2020)

Identifiants

  • HAL Id : tel-03029781 , version 1

Citer

Na Li. Combination of supervised and unsupervised classifiers based on belief functions. Image Processing [eess.IV]. University of Rennes I, 2020. English. ⟨NNT : ⟩. ⟨tel-03029781⟩
126 Consultations
73 Téléchargements

Partager

Gmail Facebook X LinkedIn More