Published July 10, 2021
| Version v1
Publication
Open
Application of Skew-normal in Classification of Satellite Image
- 1. Amran University
- 2. Shahid Chamran University of Ahvaz
Description
The aim of this paper is to investigate the flexibility of the skewnormal distribution to classify the pixels of a remotely sensed satellite image.In the most of remote sensing packages, for example ENVI and ERDAS, it is assumed that populations are distributed as a multivariate normal.Then linear discriminant function (LDF) or quadratic discriminant function (QDF) is used to classify the pixels, when the covariance matrix of populations are assumed equal or unequal, respectively.However, the data was obtained from the satellite or airplane images suffer from non-normality.In this case, skew-normal discriminant function (SDF) is one of techniques to obtain more accurate image.In this study, we compare the SDF with LDF and QDF using simulation for different scenarios.The results show that ignoring the skewness of the data increases the misclassification probability and consequently we get wrong image.An application is provided to identify the effect of wrong assumptions on the image accuracy.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
الهدف من هذه الورقة هو التحقيق في مرونة التوزيع الطبيعي المنحرف لتصنيف وحدات البكسل لصورة القمر الصناعي المستشعرة عن بعد. في معظم حزم الاستشعار عن بعد، على سبيل المثال ENVI و ERDAS، من المفترض أن يتم توزيع السكان كطبيعي متعدد المتغيرات. ثم يتم استخدام الوظيفة التمييزية الخطية (LDF) أو الوظيفة التمييزية التربيعية (QDF) لتصنيف وحدات البكسل، عندما يُفترض أن مصفوفة التباين بين السكان متساوية أو غير متساوية، على التوالي. ومع ذلك، تم الحصول على البيانات من صور القمر الصناعي أو الطائرة تعاني من عدم طبيعية. في هذه الحالة، تعد الوظيفة التمييزية الطبيعية المنحرفة (SDF) واحدة من التقنيات للحصول على صورة أكثر دقة. في هذه الدراسة، نقارن SDF مع LDF و QDF باستخدام المحاكاة لسيناريوهات مختلفة. تظهر النتائج أن تجاهل انحراف البيانات يزيد من احتمال سوء التصنيف وبالتالي نحصل على صورة خاطئة. يتم توفير التطبيق لتحديد تأثير الافتراضات الخاطئة على الصورة.Translated Description (French)
Le but de cet article est d'étudier la flexibilité de la distribution asymétrique pour classer les pixels d'une image satellite détectée à distance. Dans la plupart des logiciels de télédétection, par exemple ENVI et ERDAS, il est supposé que les populations sont distribuées comme une normale multivariée. Ensuite, la fonction discriminante linéaire (LDF) ou la fonction discriminante quadratique (QDF) est utilisée pour classer les pixels, lorsque la matrice de covariance des populations est supposée égale ou inégale, respectivement. Cependant, les données ont été obtenues à partir des images satellitaires ou aériennes souffrent de non-normalité. Dans ce cas, la fonction discriminante asymétrique-normale (SDF) est l'une des techniques pour obtenir une image plus précise. Dans cette étude, nous comparons la SDF avec la LDF et la QDF en utilisant la simulation pour différents scénarios. Les résultats montrent que l'ignorance de l'asymétrie des données augmente la probabilité de mauvaise classification et par conséquent nous obtenons une image erronée. Une application est fournie pour identifier l'effet des mauvaises hypothèses sur la précision de l'image.Translated Description (Spanish)
El objetivo de este trabajo es investigar la flexibilidad de la distribución sesgada normal para clasificar los píxeles de una imagen satelital teledetectada. En la mayoría de los paquetes de teledetección, por ejemplo, ENVI y ERDAS, se supone que las poblaciones se distribuyen como una normal multivariante. Luego, se utiliza la función discriminante lineal (LDF) o la función discriminante cuadrática (QDF) para clasificar los píxeles, cuando se supone que la matriz de covarianza de las poblaciones es igual o desigual, respectivamente. Sin embargo, los datos obtenidos de las imágenes satelitales o de avión sufren de no normalidad. En este caso, la función discriminante normal de sesgo (SDF) es una de las técnicas para obtener una imagen más precisa. En este estudio, comparamos el SDF con LDF y QDF utilizando la simulación para diferentes escenarios. Los resultados muestran que ignorar la asimetría de los datos aumenta la probabilidad de clasificación errónea y, en consecuencia, obtenemos una imagen incorrecta. Se proporciona una aplicación para identificar el efecto de los supuestos erróneos en la precisión de la imagen.Files
pdf.pdf
Files
(1.5 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:703735320f9679908ff96eedbbda187a
|
1.5 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تطبيق الانحراف الطبيعي في تصنيف صورة القمر الصناعي
- Translated title (French)
- Application de Skew-normal dans la classification de l'image satellite
- Translated title (Spanish)
- Aplicación del sesgo normal en la clasificación de imágenes satelitales
Identifiers
- Other
- https://openalex.org/W2181345793
- DOI
- 10.6339/jds.2010.08(4).624
References
- https://openalex.org/W1973182741
- https://openalex.org/W1978662289
- https://openalex.org/W1983772874
- https://openalex.org/W2068385264
- https://openalex.org/W2068624850
- https://openalex.org/W2082399198
- https://openalex.org/W2085032917
- https://openalex.org/W2117812871
- https://openalex.org/W2146681527
- https://openalex.org/W2171050536
- https://openalex.org/W3121736584