daljinsko zaznavanje - In?titut za antropolo?ke in prostorske ?tudije ...
daljinsko zaznavanje - In?titut za antropolo?ke in prostorske ?tudije ...
daljinsko zaznavanje - In?titut za antropolo?ke in prostorske ?tudije ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
18 Klasifikacija podob<br />
Slika 18.3: Spektralni podpisi učnih (testnih) vzorcev.<br />
Za vsa<strong>ke</strong>ga izmed razredov je treba izbrati dobre, to je homogene <strong>in</strong> dovolj veli<strong>ke</strong><br />
učne vzorce. Slednje ponavadi določamo glede na poznavanje površja, pa tudi s primerjavo<br />
topografskih <strong>in</strong> različnih tematskih kart.<br />
Pri klasifikaciji oziroma razdelitvi v razrede vsak piksel na podobi primerjamo s<br />
poznanimi podpisi v vseh kanalih. Pri tem lahko uporabimo več različnih primerjalnih<br />
oziroma klasifikacijskih algoritmov, na primer:<br />
• metodo najmanjše razdalje,<br />
• paralelepipedno metodo ali<br />
• metodo največje verjetnosti.<br />
V izhodni tematski sloj <strong>za</strong>pišemo vrednost razreda, ki je pri danih vhodnih podatkih<br />
najverjetnejši. Kakovost same klasifikacije je močno odvisna od uporabljenega<br />
algoritma.<br />
Pri metodi najmanjše razdalje razporedimo piksel v razred, od katerega povprečja<br />
je najmanj oddaljen (slika 18.4 a). V primeru na sliki bi piksel z oznako 2 dodelili<br />
v zgornjo desno kategorijo, kljub temu da verjetneje pripada zgornji levi. Metoda<br />
najmanjše razdalje je računsko zelo hitra, vendar je <strong>za</strong>radi neupoštevanja razpršenosti<br />
pikslov bolj podvržena napakam.<br />
Pri paralelepipedni metodi poleg povprečja sivih vrednosti upoštevamo tudi njihovo<br />
razpršenost. Tako imenovano klasifikacijsko območje določata največja <strong>in</strong> najmanjša<br />
vrednost odboja v posameznem razredu (<strong>za</strong> vsak kanal posebej). V primeru dveh kanalov<br />
gre torej <strong>za</strong> pravokotnik, v več razsežnostih pa <strong>za</strong> paralelepiped (kvader). Paralelepipedna<br />
metoda piksel uvrsti v tisto kategorijo, v katero padejo njegove sive vrednosti<br />
(slika 18.4 b). V primeru, da piksel ne pade v noben razred, dobi oznako »neklasificirano«.<br />
Težave pri klasifikaciji pa imamo tudi v primeru, ko se pasovi prekrivajo.<br />
Na sliki bi piksel 3 uvrstili v kategorijo neklasificirano. Precej težav pa bi imeli tudi<br />
s pikslom 1, ki bi lahko dobil oznako »neznano«. Paralelepipedna metoda je nekoliko<br />
počasnejša od metode najmanjše razdalje.<br />
Metoda največje verjetnosti upošteva pri razvrščanju pikslov tako povprečja razredov<br />
kot tudi variance <strong>in</strong> korelacije med njimi. Pri tem predvideva, da so piksli v<br />
spektralnem prostoru razporejeni normalno (Gaussovo). Metoda največje verjetnosti v<br />
omenjenem prostoru ustvari elipsoidne ploskve ena<strong>ke</strong> verjetnosti (v dveh razsežnostih<br />
180
Change language