Fjärranalysbilder täcker alltid ett stort geografiskt område med hög temporal frekvens. För att enkelt förstå och härleda markanvändnings-och markskyddsinformation finns det alltid ett behov av att bearbeta bildtolkning och klassificering. Bildpixeln har använts som den grundläggande analysenheten sedan början av 1980-talet.
därför är Bildklassificering processen att tilldela marktäckningsklasser till pixlar. Vid fjärranalys grupperas fotografiska bilder i olika klassificeringar. Dessa klassificeringar är grupperade i tre;
Manuell klassificering
pixelbaserad klassificering
- övervakad bildklassificering
- oövervakad bildklassificering
funktion eller objektbaserad bildklassificering
de övervakade och oövervakade bildklassificeringsteknikerna anses vara huvudkategorierna. Övervakad är främst en humanstyrd klassificering. Däremot beräknas oövervakad klassificering av programvaran.
1. Manuell klassificering
Manuell klassificering avser tolkning och klassificering av fjärranalysbilder av det mänskliga ögat. Före teknisk utveckling var det den primära metoden som användes för att klassificera bilder. I digitaliseringstiden har den manuella metoden integrerats med datoranvändning. Det är mer tillförlitligt när man arbetar med små geografiska marköverdrag.
2. Pixelbaserad klassificering
pixelbaserad klassificering är vidare uppdelad i två
övervakad bildklassificering
som nämnts ovan är övervakade bilder huvudsakligen en humanstyrd klassificering. Mänskliga bildanalytiker spelar en avgörande roll. De anger de multispektrala reflektionsemittansvärdena för varje markskyddsklass eller markanvändning. Kort sagt kommer analytikerna att övervaka pixelklassificeringsprocessen genom tre steg; utbildning, tilldelning och testning.
utbildning är där analytikerna får identifiera ett urval av pixlar av ett känt klassmedlemskap som samlats in från refererade data. Sådana uppgifter kan innefatta flygfoton eller befintliga kartor. Utbildningspixlarna används för att härleda olika statistik för varje landskyddsklass. I fördelningsfasen klassificeras och tilldelas bilder till de klasser där de visar de största likheterna baserat på statistikresultaten. Slutligen, i testfasen, väljs en grupp testpixlar och de olika klassidentiteterna jämförs. Jämförelsen baseras på referensdata och spektrala egenskaper för varje pixel i bilden. Resultaten är baserade på en felmatris beroende på avtal och meningsskiljaktigheter i testproverna. Efter slutförandet av de tre etapperna kan en analytiker utvärdera bildklassificeringen för varje landskyddsklass.
bortsett från detta har ett stort antal övervakade klassificeringsmetoder utvecklats. Dessa algoritmer inkluderar;
- maximal sannolikhet klassificerare
- minsta avstånd till medel klassificerare
- Mahalanobis Avståndsklassificerare
- K-närmaste grannar klassificerare
- stöd vektor maskin
oövervakad Bildklassificering
oövervakad klassificering är där grupperingar av pixlar med gemensamma egenskaper är baserade på mjukvaruanalys av en bild utan att användaren definierar träningsfält för varje landskyddsklass. Allt detta görs utan hjälp av träningsdata eller förkunskaper. Bildanalytikerns ansvar är att bestämma korrespondenserna mellan de spektralklasser som algoritmen definierar.
i oövervakad klassificering finns det två grundläggande steg att följa. Dessa inkluderar; generera kluster och tilldela klasser. Med hjälp av fjärranalysprogramvaran skapar en analytiker först kluster och identifierar antalet grupper som ska genereras. Därefter tilldelar de markskyddsklasser till varje kluster. Allt detta möjliggörs genom användning av algoritmer som;
- K-betyder
- iterativ självorganiserande dataanalys (ISODATA)
3. Objektbaserad Bildklassificering
denna typ av bildklassificering använder användningen av geografiska objekt som den grundläggande analysenheten. Objektbaserade metoder genererar bildobjekt genom att segmentera bilder och genomföra Klassificering på objekten snarare än pixlar. Dessa bilder bildas och klassificeras med olika metoder. Dessa är; rumslig, spektral, textur, och geografisk kontextuell information om fotografiet.
exempel på objektbaserade algoritmklassificerare inkluderar;
- Bildsegmentering
- objektbaserade bildanalystekniker som inkluderar E-kognition och Arc GIS Feature Analyst