Open WL Archief (OWA)

Over het archief

Het OWA, het open archief van het Waterbouwkundig Laboratorium heeft tot doel alle vrij toegankelijke onderzoeksresultaten van dit instituut in digitale vorm aan te bieden. Op die manier wil het de zichtbaarheid, verspreiding en gebruik van deze onderzoeksresultaten, alsook de wetenschappelijke communicatie maximaal bevorderen.

Dit archief wordt uitgebouwd en beheerd volgens de principes van de Open Access Movement, en het daaruit ontstane Open Archives Initiative.

Basisinformatie over ‘Open Access to scholarly information'.

[ meld een fout in dit record ]

mandje (1): toevoegen | toon

---

one publication added to basket [131527]

Classifying hyperspectral airborne imagery for vegetation survey along coastlines Kempeneers, P.; Deronde, B.; Bertels, L.; Debruyn, W.; De Backer, S.; Scheunders, P. (2004). Classifying hyperspectral airborne imagery for vegetation survey along coastlines, in: Proceedings of Geoscience and Remote Sensing Symposium, 20-24 september 2004. Anchorage, Alaska. Volume 2. pp. 1475-1478 In: (2004). Proceedings of Geoscience and Remote Sensing Symposium, 20-24 september 2004. Anchorage, Alaska. Volume 2. IEEE[s.l.]. ISBN 0-7803-8742-2, meer

---

Beschikbaar in	Auteurs | Dataset
VLIZ: Open access 241353 [ download pdf ]
Documenttype: Congresbijdrage

---

Trefwoorden

Hyperspectral imaging Remote sensing > Geosensing Remote sensing > Geosensing > Airborne sensing Remote sensors > Remote detectors > Remote sensing ANE, België, Belgische kust [Marine Regions] Marien/Kust

---

Auteurs		Top | Dataset
Kempeneers, P., meer Deronde, B., meer Bertels, L., meer	Debruyn, W., meer De Backer, S. Scheunders, P.

---

Abstract

This paper studies the potential of airborne hyperspectral imagery for classifying vegetation along the Belgian coastlines. Here, the aim is to build vegetation maps using automatic classification. Besides a general linear multiclass classifier (Linear Discriminant Analysis), several strategies for combining binary classifiers are proposed: one based on a hierarchical decision tree, one based on the Hamming distance between the codewords obtained by binary classifiers and one based on the coupling of posterior probabilities. In addition, a new procedure is proposed for spatial classification smoothing. This procedure takes into account spatial information by letting the decision for classification of a pixel depend on the classification probabilities of neighboring pixels. This is shown to render smoother classification images.

---

Dataset

Hyperspectrale vliegtuigopnamen duinvegetatie Vlaamse kust, meer

---

Alle informatie in het Integrated Marine Information System (IMIS) valt onder het VLIZ Privacy beleid

Top | Auteurs | Dataset

IMIS is ontwikkeld en wordt gehost door het VLIZ.