View/Open - JUWEL - Forschungszentrum Jülich
View/Open - JUWEL - Forschungszentrum Jülich
View/Open - JUWEL - Forschungszentrum Jülich
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
5.3. Wahrscheinlichkeitstheoretische Filterung 89<br />
Mit der Probabilistic Label Relaxation (R ICHARDS & J IA 2006 [160]) wird somit<br />
die räumliche Information in Form von Nachbarschaftsverh ältnissen in das Klas-<br />
sifikationsergebnis integriert . Die Methode wurde im Zuge vorbereitender Arbei-<br />
ten für diese Dissertation in der Software ENVI/IDL umgesetzt . Die Klassifikation<br />
könnte zwar auch mit einem Mehrheitsfilter (z .B. L ILLESAND et al. 2004 [120]) ver-<br />
bessert werden, doch die a posteriori Wahrscheinlichkeiten, die am Ausgang<br />
des neuronalen Netzes zur Verf ügung stehen, werden dort nicht verwendet.<br />
Abbildung 5 .5 . : Einfache Nachbarschaft n von Pixel m (verändert nach CANTY 2006 [41]).<br />
Die Elemente des Vektors der a posteriori Wahrscheinlichkeiten P m von Pixel<br />
m betragen über alle Klassen aufsummiert den Wert Eins (E M k.1 Pm(Ck ) = 1).<br />
Eine mögliche Fehlklassifizierung von Pixel m wird mit Hilfe der Nachbarschafts-<br />
funktion Q m korrigiert, damit P m in der Weise modifiziert wird, dass die maxima-<br />
le Zugehörigkeitswahrscheinlichkeit der richtigen Klasse entspricht . Die einfache<br />
Nachbarschaft n bezeichnet diejenigen vier Pixel, die eine gemeinsame Kante mit<br />
dem zu betrachtenden Pixel m aufweisen (Abbildung 5 .5) . P; stellt die korrigierte<br />
Version der Klassenwahrscheinlichkeiten dar:<br />
P i<br />
m<br />
P m (2) Q m<br />
P Qm m<br />
(5.5)<br />
wobei o das Hadamardprodukt bzw. die Multiplikation der Vektorkomponen-<br />
ten miteinander darstellt (C ANTY 2006 [41]). Es muss gewährleistet sein, dass<br />
die Summe der neuen Wahrscheinlichkeiten über die Klassen ebenfalls Eins ist<br />
M Pr<br />
Ek=1 m(<br />
Zur Berechnung werden per Zufall eine repr äsentative Anzahl an Bildelementen<br />
aus der Satellitenszene ausgewählt. Für jedes dieser Zufallspixel wird zun ächst<br />
ausschließlich die Nachbarschaft untersucht, deren Wahrscheinlichkeiten werden<br />
registriert und gemittelt . Dies stellt die Wahrscheinlichkeit der korrekten Klassifi-<br />
kation der Pixel n in P n dar. Daraus wird das Kompatibilitätsmaß Pmn abgeleitet,<br />
das die globale Wahrscheinlichkeit der Klassenzugeh örigkeit von Pixel m bei kor-<br />
rekter Einteilung von Pixel n ist. Es handelt sich dabei um eine Matrix, die die