Trasferibilità di approccio integrato tra CNN e OBIA in eCognition per identificazione alloggi nei campi profughi

La disponibilità e l’utilizzo di immagini satellitari ottiche ad altissima risoluzione per un supporto efficiente al monitoraggio e  pianificazione dei campi profughi e degli aiuti umanitari stanno aumentando. In questo studio è stato usato un approccio integrato per la classificazione degli alloggi da immagini satellitari VHR, in cui i risultati preliminari di un modello di rete neurale (CNN) sono stati usati come dati di input per la classificazione OBIA.

Tutti i passaggi sono stati eseguiti in eCognition di Trimble. A differenza dei metodi di classificazione standard pixel-based che di solito vengono applicati per il modello CNN,  l’approccio integrato di questo studio aggrega i risultati di CNN su oggetti definiti dalla segmentazione, che sono poi la base per una classificazione rule-based. In questo modo si ottiene una delineazione molto più chiara degli alloggi.

È stata utilizzata una metodologia di valutazione dell’accuratezza basata sugli oggetti per accertare l’accuratezza delle categorie degli alloggi classificati. I risultati rivelano accuratezze superiori al 90% per ogni parametro e portano alla conclusione che l’integrazione di modelli Convolutional Neural Network con le funzionalità OBIA in eCognition può essere considerata un approccio efficiente per l’estrazione e la classificazione degli alloggi, fornendo un importante contributo alla gestione degli aiuti umanitari.

Il lavoro ha anche dimostrato come questo approccio possa essere applicato a diversi sensori con diversa risoluzione.

L’articolo completo è disponibile al link https://doi.org/10.1080/22797254.2020.1759456