Praca Dyplomowa - AGH

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