Találati lista | Tudóstér

001-es BibID:	BIBFORM095531
035-os BibID:	(Scopus)85116000868
Első szerző:	Eltner, Anette
Cím:	Using Thermal an RGB UAV imagery to measure surface flow velocities of rivers / Anette Eltner, David Mader, Noémi Mária Szopos, Bálint Nagy, Jens Grundmann, László Bertalan
Dátum:	2021
ISSN:	2194-9034
Tárgyszavak:	Természettudományok Földtudományok konferenciacikk folyóiratcikk image velocimetry PTV PIV RPAS TIR
Megjelenés:	The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. - 43 : B2 (2021), p. 717-722. -
További szerzők:	Mader, David Szopos Noémi Mária (1994-) (geográfus) Nagy Bálint (1994-) (geoinformatika) Grundmann, Jens Bertalan László (1989-) (geográfus)
Pályázati támogatás:	DAAD-TKA 307670 Egyéb
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM102208
035-os BibID:	(cikkazonosító)2645 (WOS)000809095600001 (Scopus)85132310306
Első szerző:	Rusnák, Miloš
Cím:	Remote Sensing of Riparian Ecosystems / Miloš Rusnák, Tomáš Goga, Lukáš Michaleje, Monika Šulc Michalková, Zdeněk Máčka, László Bertalan, Anna Kidová
Dátum:	2022
ISSN:	2072-4292
Tárgyszavak:	Természettudományok Földtudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk riparian zone vegetation aerial image lidar UAV
Megjelenés:	Remote Sensing. - 14 : 11 (2022), p. 1-34. -
További szerzők:	Goga, Tomáš Michaleje, Lukáš Michalková, Monika Šulc Máčka, Zdeněk Bertalan László (1989-) (geográfus) Kidová, Anna
Pályázati támogatás:	TKP2020-NKA-04 Egyéb
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM087257
035-os BibID:	(cikkazonosító)2397 (WOS)000567130200001 (Scopus)85089524467
Első szerző:	Schlosser Aletta Dóra (geográfus)
Cím:	Building Extraction Using Orthophotos and Dense Point Cloud Derived from Visual Band Aerial Imagery Based on Machine Learning and Segmentation / Schlosser Aletta Dóra, Szabó Gergely, Bertalan László, Varga Zsolt, Enyedi Péter, Szabó Szilárd
Dátum:	2020
ISSN:	2072-4292
Megjegyzések:	Urban sprawl related increase of built-in areas requires reliable monitoring methods and remote sensing can be an efficient technique. Aerial surveys, with high spatial resolution, provide detailed data for building monitoring, but archive images usually have only visible bands. We aimed to reveal the efficiency of visible orthophotographs and photogrammetric dense point clouds in building detection with segmentation-based machine learning (with five algorithms) using visible bands, texture information, and spectral and morphometric indices in different variable sets. Usually random forest (RF) had the best (99.8%) and partial least squares the worst overall accuracy (~60%). We found that >95% accuracy can be gained even in class level. Recursive feature elimination (RFE) was an efficient variable selection tool, its result with six variables was like when we applied all the available 31 variables. Morphometric indices had 82% producer's and 85% user's Accuracy (PA and UA, respectively) and combining them with spectral and texture indices, it had the largest contribution in the improvement. However, morphometric indices are not always available but by adding texture and spectral indices to red-green-blue (RGB) bands the PA improved with 12% and the UA with 6%. Building extraction from visual aerial surveys can be accurate, and archive images can be involved in the time series of a monitoring.
Tárgyszavak:	Természettudományok Földtudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk photogrammetry RGB indices image texture morphometric indices recursive feature elimination random forest support vector machine multiple adatptive regression spline partial least square
Megjelenés:	Remote Sensing. - 12 : 15 (2020), p. 1-28. -
További szerzők:	Szabó Gergely (1975-) (geográfus) Bertalan László (1989-) (geográfus) Varga Zsolt (1968-) (építőmérnök) Enyedi Péter (1982-) (környezettudós) Szabó Szilárd (1974-) (geográfus)
Pályázati támogatás:	NKFI KH 130427 Egyéb ED_18-1-2019-0028 Thematic Excellence Programme of the ministry for Innovation and Technology in Hungary, framework of the Space Sciences thematic programme of the University of Debrecen Egyéb
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon: