kaukokartoituskuva on valvottu ja valvomaton luokitus, joka kattaa aina laajan maantieteellisen alueen, jolla on suuri ajallinen taajuus. Jotta maankäyttöä ja maanpeitettä koskeva tieto olisi helposti ymmärrettävissä ja johdettavissa, on aina tarpeen käsitellä kuvantulkintaa ja luokittelua. Kuvapikseliä on käytetty analyysin perusyksikkönä 1980-luvun alusta lähtien.
Kuvanluokitus on siis prosessi, jossa maanpeiteluokkia jaetaan pikseleille. Kaukokartoituksessa valokuvakuvat on ryhmitelty eri luokituksiin. Nämä luokitukset on ryhmitelty kolmeen ryhmään;
manuaalinen luokitus
Pikselipohjainen luokitus
- valvottu kuvanluokitus
- valvomaton kuvanluokitus
ominaisuus-tai objektipohjainen kuvanluokitus
valvotut ja valvomattomat kuvanluokitustekniikat katsotaan pääluokiksi. Valvottu on lähinnä ihmisohjautuva luokitus. Sen sijaan valvomaton luokittelu lasketaan ohjelmiston avulla.
1. Manuaalinen luokittelu
manuaalisella luokittelulla tarkoitetaan ihmissilmän kaukokartoituskuvien tulkintaa ja luokittelua. Ennen teknologista kehitystä se oli ensisijainen menetelmä, jota käytettiin kuvien luokittelussa. Digitoinnin aikakaudella manuaalinen menetelmä on integroitu tietokoneen käyttöön. Se on luotettavampi, kun käsitellään pieniä maantieteellisiä maapeitteitä.
2. Pikselipohjainen luokitus
Pikselipohjainen luokitus jaetaan edelleen kahteen
valvottu kuvanluokitus
kuten edellä on todettu, ohjattu kuvantaminen on lähinnä ihmisohjautuvaa luokittelua. Ihmiskuvaanalyytikoilla on ratkaiseva rooli. Niissä määritetään kunkin maanpeitteen luokan tai maankäytön monispektriset heijastuspäästöarvot. Lyhyesti sanottuna analyytikot valvovat pikselien luokitteluprosessia kolmessa vaiheessa; koulutus, allokointi ja testaus.
koulutuksessa analyytikot pääsevät tunnistamaan viitatusta datasta kootun otoksen tunnetun luokkajäsenyyden pikseleistä. Tällaisia tietoja voivat olla ilmakuvat tai olemassa olevat kartat. Koulutuspikseleillä johdetaan erilaisia tilastoja jokaisesta maanpeittoluokasta. Allokointivaiheessa kuvat luokitellaan ja jaetaan luokkiin, joissa niissä näkyy suurimmat yhtäläisyydet tilastotulosten perusteella. Lopuksi testivaiheessa valitaan testipikselien ryhmä ja verrataan eri luokan identiteettejä. Vertailu perustuu kuvan jokaisen pikselin vertailutietoihin ja spektriominaisuuksiin. Tulokset perustuvat virhematriisiin riippuen testinäytteiden sopimuksista ja erimielisyyksistä. Kolmen vaiheen päätyttyä analyytikko voi arvioida kunkin maanpeitteen kuvanluokituksen.
tämän lisäksi on kehitetty suuri määrä valvottuja luokittelumenetelmiä. Näitä algoritmeja ovat;
- Maksimitodennäköisyysluokittelija
- Minimietäisyysluokittelija
- Mahalanobis Etäisyysluokittelija
- K-lähimmät Naapuriluokittelijat
- Tukivektorikone
valvomaton Kuvanluokitus
valvomattomalla luokittelulla tarkoitetaan sitä, että kuvapisteiden ryhmittelyt, joilla on yhteiset ominaisuudet, perustuvat kuvan ohjelmistoanalyysiin ilman, että käyttäjä määrittelee koulutuskenttiä kullekin maanpeittoluokalle. Kaikki tämä tehdään ilman koulutustietojen tai ennakkotietojen apua. Kuva-analyytikon tehtävänä on selvittää algoritmin määrittelemien spektriluokkien väliset vastaavuudet.
valvomattomassa luokituksessa on kaksi perusvaihetta. Näitä ovat; tuottaa klustereita ja määrittämällä luokkia. Kaukokartoitusohjelmiston avulla analyytikko luo ensin klustereita ja tunnistaa tuotettavien ryhmien määrän. Tämän jälkeen he määrittelevät kullekin klusterille maanpeittoluokat. Kaikki tämä on mahdollista käyttämällä algoritmeja, kuten;
- K-means
- iteratiivinen itseorganisoituva Data-analyysi (ISODATA)
3. Objektipohjainen Kuvanluokitus
tällainen kuvanluokitus käyttää maantieteellisiä kohteita analyysin perusyksikkönä. Oliopohjaiset menetelmät tuottavat kuva-objekteja segmentoimalla kuvia ja suorittamalla luokitusta kohteille pikselien sijaan. Nämä kuvat muodostetaan ja luokitellaan eri menetelmillä. Nämä ovat; spatiaalinen, spektrinen, textural, ja maantieteellinen kontekstuaalinen tietoa valokuvan.
esimerkkejä oliopohjaisista algoritmiluokittajista ovat;
- Kuvan segmentointi
- Oliopohjaiset kuva-analyysitekniikat, jotka sisältävät E-kognition ja Arc GIS Feature Analyst