블로그

원격 감지 이미지는 항상 높은 시간 주파수로 넓은 지리적 영역을 다룹니다. 토지 이용 및 토지 커버 정보를 쉽게 이해하고 도출하기 위해서는 항상 이미지 해석 및 분류를 처리 할 필요가 있습니다. 이미지 픽셀은 1980 년대 초부터 분석의 기본 단위로 사용되어왔다.

따라서,이미지 분류는 픽셀에 토지 커버 클래스를 할당하는 과정이다. 원격 감지에서 사진 이미지는 다른 분류로 그룹화됩니다. 이러한 분류는 세 가지로 분류됩니다.

수동 분류

픽셀 기반 분류

  • 감독 이미지 분류
  • 감독 이미지 분류

기능 또는 객체 기반 이미지 분류

감독 및 감독 이미지 분류 기술은 주요 범주로 간주됩니다. 감독하는 것은 주로 인간 가이드 분류입니다. 대조적으로,감독되지 않은 분류는 소프트웨어에 의해 계산됩니다.

1. 수동 분류

수동 분류는 인간의 눈에 의한 원격 감지 이미지의 해석 및 분류를 의미합니다. 기술 발전 이전에는 이미지를 분류하는 데 사용 된 기본 방법이었습니다. 디지털화 시대에 수동 방법은 컴퓨터 사용과 통합되었습니다. 작은 지리적 토지 덮개를 다룰 때 더 신뢰할 수 있습니다.

2. 픽셀 기반 분류

픽셀 기반 분류

감독 이미지 분류

위에서 언급 한 바와 같이 감독 된 이미지는 주로 인간 가이드 분류입니다. 인간 이미지 분석가는 중요한 역할을합니다. 그들은 각 토지 커버 클래스 또는 토지 이용의 다중 스펙트럼 반사 방출 값을 지정합니다. 즉,분석가들은 세 단계를 통해 픽셀 분류 과정을 감독한다;교육,할당 및 테스트.

교육은 분석가가 참조된 데이터에서 수집된 알려진 클래스 멤버쉽의 픽셀 샘플을 식별하는 곳입니다. 이러한 데이터에는 항공 사진 또는 기존 지도가 포함될 수 있습니다. 교육 픽셀은 각 토지 커버 클래스에 대한 다양한 통계를 도출하는 데 사용됩니다. 할당 단계에서 이미지는 분류되고 통계 결과에 따라 가장 큰 유사성을 보여주는 클래스에 할당됩니다. 마지막으로 테스트 단계에서 테스트 픽셀 그룹이 선택되고 다른 클래스 정체성이 비교됩니다. 비교는 이미지의 각 픽셀의 참조 데이터 및 스펙트럼 특성을 기반으로합니다. 결과는 테스트 샘플의 동의 및 불일치에 따라 오류 행렬을 기반으로 합니다. 세 단계의 완료에,분석가는 각 토지 커버 클래스에 대한 이미지 분류를 평가할 수 있습니다.

이 외에도 많은 수의 감독 분류 방법이 개발되었습니다. 이러한 알고리즘은 다음과 같습니다;

  • 최대 우도 분류기
  • 최소 거리 대 수단 분류기
  • 마할라노비스 거리 분류기
  • 케이-가장 가까운 이웃 분류기
  • 지원 벡터 머신

감독되지 않은 이미지 분류

감독되지 않은 분류는 공통 특성을 가진 픽셀 그룹이 각 토지 커버 클래스에 대한 교육 필드를 정의하는 사용자없이 이미지의 소프트웨어 분석을 기반으로하는 곳입니다. 이 모든 것은 교육 데이터 또는 사전 지식의 도움없이 수행됩니다. 이미지 분석가의 책임은 알고리즘이 정의하는 스펙트럼 클래스 간의 대응을 결정하는 것입니다.

감독되지 않은 분류에는 따라야 할 두 가지 기본 단계가 있습니다. 이들은 포함;클러스터 및 할당 클래스를 생성. 분석가는 원격 감지 소프트웨어를 사용하여 먼저 클러스터를 만들고 생성 할 그룹 수를 식별합니다. 그 후,그들은 각 클러스터에 토지 커버 클래스를 할당합니다. 이 모든 것은 다음과 같은 알고리즘을 사용하여 가능합니다;이 경우,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석,데이터 분석)

3. 객체 기반 이미지 분류

이러한 유형의 이미지 분류는 지리적 객체를 분석의 기본 단위로 사용합니다. 객체 기반 메서드는 이미지를 분할하고 픽셀이 아닌 객체에 대한 분류를 수행하여 이미지 객체를 생성합니다. 이러한 이미지는 다른 방법을 사용하여 형성되고 분류됩니다. 이들은;사진의 공간,스펙트럼,조직 및 지리적 상황 정보.

객체 기반 알고리즘 분류기의 예는 다음과 같습니다;

  • 이미지 분할
  • 전자인지 및 아크 지스 기능 분석가를 포함하는 객체 기반 이미지 분석 기술

답글 남기기

이메일 주소는 공개되지 않습니다.