Original paper

Feature Evaluation for a Transferable Approach of Object-based Land Cover Classification Based on Ikonos and QuickBird Satellite Data

Wolf, Nils

Abstract

This contribution aims at revealing features that can be used for generic object-based land cover classification of Ikonos and QuickBird satellite data. On seven satellite scenes the Random Forest algorithm - a tree-based ensemble classifier - is applied as it provides an internal measure to obtain feature importance scores. This measure quantifies in how far a feature contributes to the reduction of entropy (here based on the Gain Ratio criterion) when constructing a tree. The features under investigation comprise textures and variances, obtained on an image segmentation level, and the brightness values of single bands, respectively their ratios and differences, obtained on pixel level. As an outcome, the features are ranked with respect to their robustness. Top-ranked are those features which show good overall performance on each of the seven scenes.

Kurzfassung

Bewertung von Merkmalen für einenübertragbaren objektbasierten Ansatz zur Landbedeckungsklassi kation basierend auf Iko nos und QuickBird Satellitenbilddaten. Dieser Beitrag beschreibt ein Verfahren zur Bewertung von Merkmalen hinsichtlich ihrer Eignung für einenübertragbaren objektbasierten Ansatz zur Landbedeckungsklassi kation. Gesucht sind demnach Merkmale, welche sich gegenüber spezi schen Ein ussfaktoren verschiedener Eingangsdaten - hier sieben Ikonos und QuickBird Szenen-robust verhalten. Die Bewertung erfolgtüber die Induktion von Verbünden de-korrelierter Entscheidungsbäume, sogenannter Random Forests. Der Informationsgewinn einzelner Merkmale an den Knotenpunkten der Entscheidungsbäume wird durch das Gain Ratio Maß ermittelt und quanti ziert in der Aggregationüber den Verbund die Wichtigkeit der Merkmale. Der zu untersuchende Merkmalsraum setzt sich aus Texturen und Varianzen auf Segmentierungsebene sowie Grauwerten einzelner Bänder (bzw. deren Kombination in Ratios und Differenzen) auf Pixelebene zusammen. Das Ergebnis dieser Arbeit ist eine Bewertung der Merkmale hinsichtlich ihrer datensatzübergreifenden Qualität.

Keywords

random forestsfeature selectionquickbirdikonosobject-based image analysis