Comparaison de la classification par voisin le plus proche et par arbre de décision basé sur des règles dans un environnement orienté objet

La classification orientée objet est un outil utile pour l'analyse des images à haute résolution en raison de l'incorporation de variables spectrales, texturales et contextuelles. Cependant, la sélection des caractéristiques et l'incorporation de sites d'entraînement appropriés peuvent être difficiles. Nous avons comparé deux approches de classification d'image orientée objet, l'une utilisant un arbre de décision (DT), l'autre une classification par voisin le plus proche (NN) en ce qui concerne la précision de la classification, les efforts impliqués et la faisabilité pour cartographier des zones similaires. Nous avons utilisé une image satellite QuickBird pour cartographier la végétation aride de pâturage dans un pâturage de 1200 ha dans le sud du Nouveau-Mexique. Dans l'approche DT, nous avons utilisé des données de vérité terrestre provenant de parcelles (8,75 m) comme entrée pour un arbre de décision afin de créer une base de règles pour la classification. Dans l'approche NN, de plus grands polygones (moyenne = 100 m) ont servi de zones d'entraînement pour une classification par voisin le plus proche. La précision générale était de 80 % en utilisant le DT et de 77 % en utilisant la classification NN. Le DT était un outil supérieur pour réduire le nombre de caractéristiques d'entrée, mais cette technique nécessitait davantage de données de terrain, un export vers un programme d'arbre de décision et était plus chronophage. Avec l'approche NN, les caractéristiques d'entrée étaient sélectionnées dans le programme d'analyse d'images et étaient appliquées à la classification immédiatement. L'utilisation de polygones plus grands pour les échantillons d'entraînement et de test était plus appropriée pour une utilisation dans un environnement orienté objet que les petites parcelles. Nous avons conclu que pour la classification des pâturages arides à partir des données QuickBird, la technique NN nécessitait moins de temps sur le terrain et pour l'analyse d'images, présentait une précision comparable à l'approche DT et serait appropriée pour cartographier des zones similaires. Une combinaison des deux méthodes incorporerait les avantages de la sélection des caractéristiques dans un DT avec la nature orientée objet de l'analyse.