a távérzékelési képek mindig nagy földrajzi területet fednek le, nagy időbeli frekvenciával. A földhasználati és felszínborítási információk egyszerű megértése és levezetése érdekében mindig szükség van a kép értelmezésére és osztályozására. A képpixelt az 1980-as évek eleje óta alkalmazzák az elemzés alapegységeként.
ezért a Képosztályozás a felszínborítási osztályok pixelekhez való hozzárendelésének folyamata. A távérzékelés során a fényképészeti képeket különböző osztályozásokba csoportosítják. Ezek az osztályozások három csoportba sorolhatók;
kézi osztályozás
Pixel alapú osztályozás
- felügyelt képosztályozás
- felügyelet nélküli képosztályozás
funkció-vagy objektumalapú képosztályozás
a felügyelt és felügyelet nélküli képosztályozási technikák a fő kategóriák. A felügyelt elsősorban ember által irányított osztályozás. Ezzel szemben a felügyelet nélküli osztályozást a szoftver számítja ki.
1. Kézi osztályozás
a kézi osztályozás a távérzékelési képek emberi szem általi értelmezésére és osztályozására utal. A technológiai fejlődés előtt ez volt az elsődleges módszer a képek osztályozására. A digitalizálás korában a kézi módszer integrálódott a számítógép-használatba. Megbízhatóbb, ha kis földrajzi földterületekkel foglalkozik.
2. Pixelalapú osztályozás
a Pixelalapú osztályozás további két
felügyelt képosztályozásra oszlik
mint fentebb említettük, a felügyelt képek elsősorban ember által irányított osztályozás. Az emberi képelemzők döntő szerepet játszanak. Meghatározzák az egyes felszínborítási osztályok vagy földhasználat multispektrális visszaverődési kibocsátási értékeit. Röviden: Az elemzők három szakaszon keresztül felügyelik a pixel osztályozási folyamatot: képzés, allokáció és tesztelés.
a képzés az, ahol az elemzők azonosítják a hivatkozott adatokból összegyűjtött ismert osztálytagság pixeleinek mintáját. Ilyen adatok lehetnek légi felvételek vagy meglévő térképek. A képzési pixeleket az egyes felszínborítási osztályok különböző statisztikáinak levezetésére használják. Az allokációs szakaszban a képeket osztályozzák és osztályozzák, amelyekben a statisztikai eredmények alapján a legnagyobb hasonlóságot mutatják. Végül a tesztelési szakaszban kiválasztják a tesztelési pixelek egy csoportját, és összehasonlítják a különböző osztályazonosságokat. Az összehasonlítás a kép minden egyes képpontjának referenciaadatain és spektrális tulajdonságain alapul. Az eredmények egy hibamátrixon alapulnak, a vizsgálati minták megállapodásaitól és nézeteltéréseitől függően. A három szakasz befejezése után az elemző értékelheti az egyes felszínborítási osztályok képosztályozását.
ezen kívül számos felügyelt osztályozási módszert fejlesztettek ki. Ezek az algoritmusok a következők;
- maximális valószínűség osztályozó
- minimális távolság-to-means osztályozó
- Mahalanobis távolság osztályozó
- K-legközelebbi szomszédok osztályozó
- támogatás Vektor gép
felügyelet nélküli kép osztályozás
a felügyelet nélküli osztályozás az, ahol a közös jellemzőkkel rendelkező pixelek csoportosítása egy kép szoftveres elemzésén alapul, anélkül, hogy a felhasználó meghatározná az egyes felszínborítási osztályokhoz tartozó képzési mezőket. Mindez képzési adatok vagy előzetes ismeretek nélkül történik. A képelemző felelőssége meghatározni az algoritmus által meghatározott spektrális osztályok közötti megfelelést.
a felügyelet nélküli osztályozásban két alapvető lépést kell követni. Ezek közé tartozik; klaszterek létrehozása és osztályok hozzárendelése. A távérzékelő szoftver segítségével az elemző először klasztereket hoz létre, és azonosítja a létrehozandó csoportok számát. Ezt követően minden klaszterhez földborítási osztályokat rendelnek. Mindezt lehetővé teszi az olyan algoritmusok használata, mint például;
- K-eszközök
- iteratív önszerveződő Adatelemzés (IZODATA)
3. Objektum alapú Képosztályozás
ez a fajta képosztályozás a földrajzi objektumok használatát használja az elemzés alapegységeként. Az objektumalapú módszerek képobjektumokat generálnak a képek szegmentálásával és az objektumok osztályozásával, nem pedig pixelekkel. Ezeket a képeket különböző módszerekkel alakítják ki és osztályozzák. Ezek a következők: a fénykép térbeli, spektrális, texturális és földrajzi kontextuális információi.
az objektum-alapú algoritmusosztályozók példái a következők;
- Képszegmentálás
- objektum – alapú képelemzési technikák, amelyek magukban foglalják az e-cognition és az Arc GIS Feature Analyst