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
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|