Catalogus

Zoeken

Zoeken kan via de modus 'eenvoudig zoeken' (één veld) of uitgebreid via 'geavanceerd zoeken' (meerdere velden). Zo kan je bv. zoeken op een combinatie van een auteursnaam (auteur), een jaartal (jaar) en een documenttype.

Boekenmand

Nuttige resultaten kan je aanvinken en toevoegen aan een mandje. De inhoud hiervan kan je exporteren of afdrukken (naar bv. PDF).

RSS

Op de hoogte blijven van nieuw toegevoegde publicaties binnen uw interessegebied? Dit kan door een RSS-feed (?) te maken van jouw zoekopdracht.

log in

Publicaties | Kaarten

nieuwe zoekopdracht

[ 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

---

Beschikbaar in	Auteurs
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
Kempeneers, P. Deronde, B. Bertels, L.	Debruyn, W. 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.

---

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

Top | Auteurs