daljinsko zaznavanje - In?titut za antropolo?ke in prostorske ?tudije ...

18 Klasifikacija podob
Kadar govorimo o razredih, moramo ločevati med informacijskimi razredi in spektralnimi
razredi. Informacijski razredi so tiste kategorije, ki jih skušamo na podobah
prepoznati, na primer različne vrste poljščin, vrste gozdov, geološke strukture in podobno.
Spektralni razredi pa so skupine podobnih pikslov, glede na njihove sive vrednosti
v posameznih kanalih. Glavni namen pri klasifikaciji je iskanje povezave med
spektralnimi in informacijskimi razredi. Pri tem je le redko mogoče dobiti povezavo
enega spektralnega razreda z enim informacijskim. Pogosto obstajajo spektralni razredi,
ki ne ustrezajo nobenemu informacijskemu razredu, po drugi strani pa širokemu
informacijskemu razredu pripada večje število spektralnih razredov. V gozdu, na primer,
se spektralni razredi ločijo po starosti, vrsti in gostoti dreves, pa tudi osvetljenosti
in tako dalje.
Glede na metodo dela delimo klasifikacijo podob na:
• nenadzorovano in
• nadzorovano.
Glavna razlika med obema je način, kako ustvarimo spektralne podpise. Pri nadzorovani
klasifikaciji operater določi manjša območja, kjer je določen tip rabe tal, računalniški
program pa iz njih izračuna spektralne podpise. Pri nenadzorovani klasifikaciji
pa podpise ustvari program z matematičnim združevanjem (clustering) v n-razsežnem
spektralnem prostoru.
18.1 Nenadzorovana klasifikacija
Pri nenadzorovani klasifikaciji piksle razporedimo v razrede glede na njihovo »naravno«
združevanje v spektralnem prostoru. Za razliko od nadzorovane pri nenadzorovani klasifikaciji
v prvem koraku ne potrebujemo nikakršnega védenja o površju. Pri tem upoštevamo,
da so vrednosti enake rabe tal (ali podobni predmeti) blizu v spektralnem
prostoru, vrednosti različnih tipov rabe tal pa so daleč narazen. To je sicer nekoliko
idealizirano, saj vedno pride do določenega prekrivanja razredov in je zato ločevanje
precej težavno, poleg tega pa je, kot smo omenili, posamezni informacijski razred pogosto
sestavljen iz več spektralnih. Za nenadzorovano klasifikacijo lahko torej rečemo,
da najprej z upoštevanjem številčnih vrednosti podatkov določimo spektralne razrede,
ki jim v nadaljevanju priredimo informacijske razrede.
Postopek nenadzorovane klasifikacije razdelimo na:
• gručenje (združevanje v razrede) in
• prepoznavanje razredov.
Gručenje ali klastrska analiza (cluster analysis) je postopek združevanja večrazsežnih
podatkov v skupine ali gruče. Pri tem uporabljamo različne matematične algoritme,
ki so praviloma računsko precej zahtevni. Najpreprostejši med njimi je K-Means
(K-povprečje), ki temelji na iskanju podobnosti. Pri tem postopku naključno izberemo
določeno število centrov gruč, glede na te centre v gruče razporedimo vse piksle
posnetka z upoštevanjem metode najmanjše razdalje (posamezen piksel uvrstimo v razred,
od katerega centra je najmanj oddaljen). Nato znova izračunamo položaj centrov
in postopek ponavljamo toliko časa, da so spremembe v klasifikaciji dovolj majhne. Nekoliko
izboljšan algoritem K-Means je ISODATA (iterative self-organizing data analysis
178