4.2. Klasyfikacja nadzorowanaW kolejnym kroku przeprowadzono klasyfikację pikselową oraz jej szczegółowąanalizę wiarygodności. Prace wykonano na danych średniorozdzielczych satelityLANDSAT oraz danych wysokorozdzielczych satelity IKONOS.W programie IDRISI, z którego skorzystano w analizie danych satelitarnych dotworzenia mapy pokrycia/użytkowania terenu, klasyfikację nadzorowaną realizowanokorzystając z trzech tzw. klasyfikatorów twardych, opisanych w części teoretycznejpracy:o MAXLIKE – metoda największego prawdopodobieństwa.o PIPED – metoda równoległościanów;o MINDIST – metoda najmniejszej odległości.Metody te wybrano, ponieważ są one jednymi z podstawowych procedurklasyfikacji nadzorowanej obrazów teledetekcyjnych. Opisano je w dalszej częścipracy, zaś wyniki przedstawiono w kolejnym rozdziale.Otrzymane dzięki wyżej wymienionym metodom klasyfikacji mapy pokryciaterenu zostały przeanalizowane i ocenione poprzez porównanie wyników dokładnościklasyfikacji.W metodzie równoległościanów – PIPED użyto modułu: IMAGEPROCESSING HARD CLASSIFIERS PIPED (Rys. 4.14.). Również wczytanosygnatury wszystkich klas oraz określono granice klas. W pierwszej kolejnościstworzono mapę za pomocą wyznaczenia minimalnych i maksymalnych (min/max)wartości jasności pikseli występujących w obiektach wzorcowych. Skorzystano równieżz drugiej opcji i wzięto pod uwagę granice określone przez miarę statystyczną –odchylenie standardowe jasności (Z – Score). Za pomocą tej opcji wyznaczono dladanych średniorozdzielczych 11 map pokrycia terenu określając różne odchylenie dlakażdej z nich. Odchylenie wynosiło odpowiednio: 1.5, 1.6, 1.7, 1.8, 1.9, 2.0, 2.1, 2.2,2.3, 2.4, 2.5. Standardowo za odchylenie przyjmuje się wartość 2.0, natomiastw niniejszej pracy sprawdzono czy rzeczywiście tak jest, dlatego dla danych z satelityLANDSAT sprawdzono również inne wartości.W przypadku danych wysokorozdzielczych metodzie równoległościanówpoświęcono więcej czasu. Procedura wymagała wygenerowania większej ilości mappokrycia terenu dla odchylenia standardowego. Przygotowano w sumie 15 mappokrycia terenu dla odchylenia wynoszącego odpowiednio: 1.1, 1.2, 1.3, 1.4, 1.5, 1.6,66
1.7, 1.8, 1.9, 2.0, 2.1, 2.2, 2.3, 2.4, 2.5. Klasyfikacja dla danych z satelity IKONOSmetodą równoległościanów okazała się bardziej pracochłonna, ponieważ podczas ocenydokładności klasyfikacji wychodziły zupełnie inne wyniki jak zakładano. Bazując nawynikach jakie otrzymano podczas klasyfikacji tą metodą danych LANDSATspodziewano się, iż standardowo najlepszy wynik otrzymano dla odchylenia 2.0.Natomiast w przypadku danych IKONOS sprawdzono wyniki dla większej liczbywartości, ponieważ jak się później okazało najlepszy wynik uzyskano dla wartości 1.3.W metodzie minimalnego dystansu – MINDIST wykorzystano moduł:IMAGE PROCESSING HARD CLASSIFIERS MINDIST (Rys. 4.15).Wczytano sygnatury klas oraz w pierwszej kolejności wybrano opcję, aby odległość odskupiska pikseli była nieograniczona (INFINITE). Dzięki temu procesowi powstałjeden obraz. Następnie ograniczono odległość od skupiska pikseli, aby część z terenówwystępujących na obrazie program mógł nie zaklasyfikować do żadnej z klas pokryciaterenu. Doświadczenie to ma pokazać czy warto klasyfikować 100% pikseli obrazu, jakrównież wykaże to czy odbiegające od klas piksele można trafnie wskazać na próbceweryfikacyjnej jako tereny niesklasyfikowane. Odpowiednio odległość dla zdjęćśredniorozdzielczych wyniosła: 20, 30, 40, 50, 60, 70, 80, 90 oraz 100 jednostek.Proces w metodzie minimalnego dystansu dla obrazów wysokorozdzielczychz satelity IKONOS wyglądał podobnie. Skorzystano z modułu MINDIST, wczytanosygnatury klas pokrycia terenu oraz jako pierwszy obraz wygenerowano mapę, gdzieodległość od skupiska pikseli była nieograniczona. Następnie również jak w przypadkudanych średniorozdzielczych ograniczono odległość od skupiska pikseli i w przypadkuzdjęć wysokorozdzielczych odległość ta wyniosła odpowiednio: 10, 11, 12, 13, 14, 15,16, 17, 18, 19, 20, 30, 40, 50 oraz 60 jednostek.Rys. 4.14. Metoda PIPED.Rys. 4.15. Metoda MINDIST.67
- Page 2 and 3:
Podziękowania2
- Page 6 and 7:
4.2. Klasyfikacja nadzorowana......
- Page 9:
ROZDZIAŁ 1OBRAZY SATELITARNE JAKO
- Page 14 and 15:
Pierwszą z ważnych cech obrazu je
- Page 16 and 17: „Wyrównanie histogramu (ang. his
- Page 18 and 19: odróżnienia wraz z rozpoznaniem o
- Page 20 and 21: wielospektralnych jako wyodrębnien
- Page 23 and 24: Rys. 1.10. Wykres przedstawiający
- Page 25 and 26: prawdopodobną wartość dla danej
- Page 27 and 28: (Adamczyk, Będkowski, 2007), a jej
- Page 29 and 30: parametrów sterujących tak, że p
- Page 31 and 32: 1.3. Produkty klasyfikacjiPodstawow
- Page 33 and 34: Wreszcie na poziomie trzecim wyró
- Page 35 and 36: meteorologicznych wystarczające do
- Page 37 and 38: satelitów LANDSAT, która trwa po
- Page 39 and 40: Wszystkie z trzech pierwszych satel
- Page 41 and 42: LANDSAT należą do najpowszechniej
- Page 43 and 44: na rysunku 2.5., którego producent
- Page 45 and 46: wielospektralne w czterech kanałac
- Page 47 and 48: Rok uruchomieniapanchromatyczny(pan
- Page 49 and 50: ROZDZIAŁ 3OBSZAR TESTOWY I DANE WY
- Page 51 and 52: 3.3. Oprogramowanie - IDRISI 32, ID
- Page 53 and 54: ROZDZIAŁ 4KLASYFIKACJA PIKSELOWA O
- Page 55 and 56: Tab. 4.1. Charakterystyka klas pokr
- Page 57 and 58: wymaganej przez program Idrisi, wpi
- Page 59 and 60: Rys. 4.9. Obraz z satelity IKONOS s
- Page 61 and 62: W kolejnym etapie tworzenia punktó
- Page 63 and 64: Rys. 4.11. Obszary testowe (zdj. lo
- Page 65: Rys. 4.13. Próbka weryfikacyjna LA
- Page 69 and 70: Bazując na ośmiu kategoriach moż
- Page 71 and 72: Wykres. 4.1. Ocena dokładności kl
- Page 73 and 74: w klasyfikacji nadzorowanej obrazó
- Page 75 and 76: tabel, jak również pokazano najle
- Page 77 and 78: Rys. 4.22. Scena z satelity IKONOS.
- Page 79 and 80: A. B. C.Rys. 4.24. A) IKONOS, B) LA
- Page 81 and 82: A.Widoczne na zdjęciuoddzielone pa
- Page 83 and 84: ROZDZIAŁ 5PODSUMOWANIE I WNIOSKIPo
- Page 85 and 86: testy potwierdzają więc kolejną
- Page 87 and 88: Rys. 5.1. Mapa pokrycia/użytkowani
- Page 89 and 90: Kmieć B., 2010, „Techniki telede
- Page 91 and 92: NETOGRAFIA[1] http://clc.gios.gov.p
- Page 93 and 94: Załącznik 2.Rys. 2.1. Sygnatury k
- Page 95 and 96: Wykres 3.2. Zestawienie wszystkich
- Page 97 and 98: Rys. 3.2. Mapa pokrycia terenu po m
- Page 99 and 100: Wykres 4.2. Zestawienie wszystkich
- Page 101 and 102: Rys. 4.2. Mapa pokrycia terenu po m