Classification of wetland vegetation using aerial photographs by captive balloon cameras and aero NIR color video image, Kushiro northern wetland in Japan

Multi-Spectral RGB-NIR Image Classification Using Double-Channel CNN

“…The materials were more accurately classified when the NIR information was present [10]. Miyamoto et al concluded that the availability of high-resolution (HR) training data such as balloon-based image mosaics was useful for the classification of NIR color video images and it was found that the combination of the nadir and off-nadir video images was effective for the classification of wetland vegetation [11]. Han et al proposed a convolutional neural network (CNN)based super-resolution (SR) algorithm for up-scaling NIR images under low-light conditions using the corresponding visible images.…”

Η Οικολογία Τοπίου Του Υγρότοπου Επανομής - Νομού Θεσσαλονίκης

“…Η εντατική παρακολούθηση των περιβαλλοντικών αλλαγών, που λαμβάνουν χώρα στα υγροτοπικά τοπία, αποτελεί αναγκαιότητα, καθώς τα υγροτοπικά οικοσυστήματα είναι από τα πιο ευαίσθητα (Miyamoto et al, 2001). Η ανίχνευση των μεταβολών της βλάστησής τους βοηθά στην κατανόηση του τρόπου με τον οποίο το πολύτιμο φυσικό περιβάλλον των υγρότοπων επηρεάζεται από τις υπόλοιπες περιβαλλοντικές μεταβολές και από τις ανθρώπινες δραστηριότητες (Yamagata, 1999).…”

“…Η μέθοδος παρεμβολής (resampling type) που χρησιμοποιήθηκε για την αναδόμηση των εικονοστοιχείων ήταν η διικυβική παρεμβολή (cubic convolution), η οποία ενδείκνυται ιδιαίτερα στην περίπτωση των αεροφωτογραφιών (Mills et al, 1996;Hughes et al, 2006). (Sali and Wolfson, 1992;Marshall and Lee, 1994;Miyamoto et al, 2001;Lucas et al, 2002;Müllerová, 2004;Petersen et al, 2005) (Franklin and Forman, 1987). (Murcia, 1995;Donovan et al, 1997;Hargis et al, 1998;Flaspohler et al, 2001 (Dunning et al, 1992;Heegaard et al, 2007).…”