Zeitschrift für Fernerkundung und GIS

Abstrakt

Extraktion von Katastergrenzen und Bildklassifizierung mittels OBIA und maschinellem Lernen für das nationale Modernisierungsprogramm für Grundbücher in Indien

Thakur V, Doja MN, Ahmad T, Rawat R

Die vorliegende Arbeit basiert auf dem dynamischen Ansatz zur Extraktion von Katastergrenzen und zur Bildklassifizierung unter Verwendung von Algorithmen des maschinellen Lernens. Die Bemühungen konzentrieren sich auf die Vereinfachung des Kartendigitalisierungsprozesses im Land. Der Algorithmus „Large Scale Mean Shift Segmentation“ wurde zur Abgrenzung der Katastergrenzen von zwei verschiedenen Arten von Untersuchungsgebieten verwendet, die für die Untersuchung ausgewählt wurden, basierend auf ihren Landschaftsformen – Hügel und Ebenen. Die Qualität der Segmentierung wurde mit der Software AssesSeg gemessen. Modelle mit Klassifikatoren – Random Forest und Support Vector Machines – wurden trainiert und ihre Effizienz anhand mehrerer Bilder getestet. Das Verhalten der Modelle wurde basierend auf den Landschaftsformen beobachtet. Die Fehlermatrizen wurden basierend auf den Referenzdaten generiert. Wir haben diese Modelle als Demonstrator für die Aktualisierung alter Karten durch Bildanalyse getestet und auf der Grundlage ihrer Leistung das Potenzial ihrer Verwendung zur Aktualisierung von Grundbuchdaten im Land in Betracht gezogen. Diese Forschung zeigt die Möglichkeit, die überwachten Methoden des maschinellen Lernens für die Extraktion und Klassifizierung geografischer Merkmale mithilfe von Satellitenbildern anzupassen.