Zdjęcia Teledetekcyjne zawsze obejmują duży obszar geograficzny z wysoką częstotliwością czasową . Aby łatwo zrozumieć i uzyskać informacje dotyczące użytkowania gruntów i pokrycia terenu, zawsze istnieje potrzeba przetwarzania interpretacji i klasyfikacji obrazów. Piksel obrazu jest wykorzystywany jako podstawowa jednostka analizy od wczesnych lat 1980.
dlatego klasyfikacja obrazu jest procesem przypisywania klas pokrycia terenu do pikseli. W teledetekcji obrazy fotograficzne są pogrupowane w różne klasyfikacje. Klasyfikacje te są pogrupowane w trzy;
Klasyfikacja Ręczna
klasyfikacja oparta na pikselach
- Klasyfikacja obrazów nadzorowanych
- Klasyfikacja obrazów nienadzorowanych
Klasyfikacja obrazów opartych na funkcjach lub obiektach
techniki klasyfikacji obrazów nadzorowanych i nienadzorowanych są uważane za główne kategorie. Nadzorowany jest głównie klasyfikacją kierowaną przez człowieka. Natomiast klasyfikacja bez nadzoru jest obliczana przez oprogramowanie.
1. Klasyfikacja ręczna
klasyfikacja Ręczna odnosi się do interpretacji i klasyfikacji obrazów teledetekcyjnych przez ludzkie oko. Przed postępem technologicznym była to podstawowa metoda stosowana w klasyfikacji obrazów. W dobie cyfryzacji metoda Manualna zintegrowała się z wykorzystaniem komputera. Jest bardziej wiarygodny w przypadku małych geograficznych pokryw gruntów.
2. Klasyfikacja oparta na pikselach
klasyfikacja oparta na pikselach jest dalej podzielona na dwie
Klasyfikacja nadzorowanych obrazów
jak wspomniano powyżej, nadzorowane obrazy są głównie klasyfikacją kierowaną przez człowieka. Kluczową rolę odgrywają analitycy obrazu ludzkiego. Określają one wielospektralne wartości emisji odbicia dla każdej klasy pokrycia terenu lub użytkowania gruntów. Krótko mówiąc, analitycy będą nadzorować proces klasyfikacji pikseli poprzez trzy etapy; szkolenie, alokację i testowanie.
Szkolenie polega na tym, że analitycy mogą zidentyfikować próbkę pikseli o znanym członkostwie w klasie, zebranych na podstawie odwołujących się danych. Takie dane mogą obejmować zdjęcia lotnicze lub istniejące mapy. Piksele treningowe służą do uzyskiwania różnych statystyk dla każdej klasy pokrycia terenu. Na etapie alokacji obrazy są klasyfikowane i przydzielane do klas, w których wykazują największe podobieństwa na podstawie wyników statystyk. Na koniec, na etapie testowania, wybiera się grupę testujących pikseli i porównuje różne tożsamości klas. Porównanie opiera się na danych referencyjnych i właściwościach spektralnych każdego piksela na obrazie. Wyniki są oparte na matrycy błędów w zależności od porozumień i nieporozumień badanych próbek. Po zakończeniu trzech etapów analityk może ocenić klasyfikację obrazów dla każdej klasy pokrycia terenu.
poza tym opracowano wiele nadzorowanych metod klasyfikacji. Algorytmy te obejmują;
- klasyfikator maksymalnego prawdopodobieństwa
- klasyfikator minimalnej odległości do środka
- klasyfikator odległości Mahalanobis
- klasyfikator K-najbliżsi sąsiedzi
- Maszyna wektorowa Pomocnicza
klasyfikacja Nienadzorowana polega na tym, że grupowanie pikseli o wspólnych cechach opiera się na analizie oprogramowania obrazu bez określania przez użytkownika pól szkoleniowych dla każdej klasy pokrycia terenu. Wszystko to odbywa się bez pomocy danych szkoleniowych lub wcześniejszej wiedzy. Zadaniem analityka obrazu jest określenie zależności między klasami spektralnymi, które definiuje algorytm.
w klasyfikacji bez nadzoru należy wykonać dwa podstawowe kroki. Należą do nich; generowanie klastrów i przypisywanie klas. Korzystając z oprogramowania do teledetekcji, analityk najpierw utworzy klastry i zidentyfikuje liczbę grup do wygenerowania. Następnie przypisują klasy pokrycia terenu do każdego klastra. Wszystko to jest możliwe dzięki zastosowaniu algorytmów takich jak;
- K-oznacza
- iteracyjna Samoorganizująca się Analiza danych (ISODATA)
3. Obiektowa Klasyfikacja obrazów
ten rodzaj klasyfikacji obrazów wykorzystuje obiekty geograficzne jako podstawową jednostkę analizy. Metody obiektowe generują obiekty obrazu poprzez segmentację obrazów i prowadzenie klasyfikacji na obiektach, a nie pikselach. Obrazy te są tworzone i klasyfikowane przy użyciu różnych metod. Są to przestrzenne, widmowe, teksturalne i geograficzne informacje kontekstowe fotografii.
przykładowe klasyfikatory algorytmów obiektowych obejmują;
- segmentacja obrazu
- obiektowe techniki analizy obrazu, które obejmują e-poznanie i analityk funkcji Arc GIS