Remote sensing billeder dækker altid et stort geografisk område med høj tidsmæssig frekvens. For let at forstå og udlede oplysninger om arealanvendelse og arealdækning er der altid behov for at behandle billedfortolkning og klassificering. Billedpunkten har været anvendt som den grundlæggende analyseenhed siden begyndelsen af 1980 ‘ erne.
derfor er Billedklassificering processen med at tildele jorddækningsklasser til billedpunkter. Ved fjernmåling er fotografiske billeder grupperet i forskellige klassifikationer. Disse klassifikationer er grupperet i tre;
Manuel klassificering
billedbaseret klassifikation
- Overvåget billedklassificering
- ikke-overvåget billedklassificering
funktions-eller objektbaseret billedklassificering
overvågede og ikke-overvågede billedklassificeringsteknikker betragtes som hovedkategorierne. Overvåget er hovedsageligt en menneskestyret klassifikation. I modsætning hertil beregnes ikke-overvåget klassificering af programmet.
1. Manuel klassificering
Manuel klassificering henviser til fortolkning og klassificering af fjernfølingsbilleder af det menneskelige øje. Før teknologisk udvikling var det den primære metode, der blev brugt til klassificering af billeder. I digitaliseringens æra er den manuelle metode integreret med computerbrug. Det er mere pålideligt, når man beskæftiger sig med små geografiske arealer.
2. Billedbaseret klassificering
billedbaseret klassificering er yderligere opdelt i to
Overvåget billedklassificering
som nævnt ovenfor er overvågede billeder hovedsageligt en menneskestyret klassificering. Menneskelige billedanalytikere spiller en afgørende rolle. De specificerer de multispektrale refleksionsemissionsværdier for hver arealdækningsklasse eller arealanvendelse. Kort sagt vil analytikerne overvåge klassificeringsprocessen gennem tre faser; træning, tildeling og test.
træning er, hvor analytikerne kan identificere en stikprøve af et kendt klassemedlemskab indsamlet fra refererede data. Sådanne data kan omfatte luftfotos eller eksisterende kort. Træningspunkterne bruges til at udlede forskellige statistikker for hver landdækningsklasse. I tildelingsfasen klassificeres og tildeles billeder til de klasser, hvor de viser de største ligheder baseret på statistikresultaterne. Endelig vælges en gruppe testpunkter i testfasen, og de forskellige klasseidentiteter sammenlignes. Sammenligningen er baseret på referencedata og spektrale egenskaber for hvert billedpunkt i billedet. Resultaterne er baseret på en fejlmatrice afhængigt af testprøvernes aftaler og uoverensstemmelser. Efter afslutningen af de tre faser kan en analytiker evaluere billedklassificeringen for hver landdækningsklasse.
bortset fra dette er der udviklet et stort antal overvågede klassificeringsmetoder. Disse algoritmer omfatter;
- maksimal sandsynlighed klassifikator
- Minimum afstand-til-betyder klassifikator
- Mahalanobis Afstandsklassifikator
- K-nærmeste naboer klassifikator
- Support Vector Machine
uovervåget Billedklassificering
klassificering uden opsyn er, hvor grupperingerne af billedpunkter med fælles egenskaber er baseret på programanalyse af et billede, uden at brugeren definerer træningsfelter for hver landdækningsklasse. Alt dette gøres uden hjælp af træningsdata eller forudgående viden. Billedanalytikerens ansvar er at bestemme korrespondancerne mellem de spektrale klasser, som algoritmen definerer.
i uovervåget klassificering er der to grundlæggende trin at følge. Disse omfatter; generere klynger og tildele klasser. Ved hjælp af fjernmålingsprogrammet opretter en analytiker først klynger og identificerer antallet af grupper, der skal genereres. Herefter tildeler de landdækningsklasser til hver klynge. Alt dette gøres muligt ved brug af algoritmer som;
- K-betyder
- iterativ selvorganiserende dataanalyse (ISODATA)
3. Objektbaseret Billedklassificering
denne type billedklassificering anvender brugen af geografiske objekter som den grundlæggende analyseenhed. Objektbaserede metoder genererer billedobjekter ved at segmentere billeder og foretage klassificering på objekterne i stedet for billedpunkter. Disse billeder dannes og klassificeres ved hjælp af forskellige metoder. Disse er; rumlige, spektrale, teksturelle og geografiske kontekstuelle oplysninger om fotografiet.
eksempler på objektbaserede algoritmeklassifikatorer inkluderer;
- Billedsegmentering
- objektbaserede billedanalyseteknikker, der inkluderer E-kognition og Arc GIS-Funktionsanalytiker