tehnici de clasificare a imaginilor în teledetecție [infografic]

ce este clasificarea imaginii în teledetecție?

cele 3 tipuri principale de tehnici de clasificare a imaginilor în teledetecție sunt:

• clasificarea nesupravegheată a imaginilor
• Clasificarea supravegheată a imaginilor
• analiza bazată pe obiecte a imaginilor

clasificarea nesupravegheată și supravegheată a imaginilor sunt cele mai frecvente două abordări.

cu toate acestea, clasificarea bazată pe obiecte a câștigat mai multă popularitate, deoarece este utilă pentru datele de înaltă rezoluție.

citiți mai multe: 15 Surse de date gratuite pentru imagini din satelit

1. Clasificare nesupravegheată

în general, clasificarea nesupravegheată este cea mai de bază tehnică. Deoarece nu aveți nevoie de eșantioane pentru clasificarea nesupravegheată, este o modalitate ușoară de a segmenta și înțelege o imagine.

cele două etape de bază pentru clasificarea nesupravegheată sunt:

• generați clustere
• atribuiți clase

folosind software-ul de teledetecție, creăm mai întâi “clustere”. Unele dintre algoritmii comuni de grupare a imaginilor sunt:

• K-înseamnă
• ISODATA

după alegerea unui algoritm de grupare, identificați numărul de grupuri pe care doriți să le generați. De exemplu, puteți crea 8, 20 sau 42 de clustere. Mai puține clustere au mai mulți pixeli asemănători în cadrul grupurilor. Dar mai multe clustere crește variabilitatea în cadrul grupurilor.

pentru a fi clar, acestea sunt clustere neclasificate. Următorul pas este să atribuiți manual clase de acoperire a terenului fiecărui cluster. De exemplu, dacă doriți să clasificați vegetația și non-vegetația, puteți selecta acele clustere care le reprezintă cel mai bine.

citiți mai multe: clasificare supravegheată și nesupravegheată în ArcGIS

2. Clasificare supravegheată

cele trei etape de bază pentru clasificarea supravegheată sunt:

• selectați zonele de instruire
• generați fișierul de semnătură
• clasificați

pentru clasificarea imaginilor supravegheate, creați mai întâi eșantioane de instruire. De exemplu, marcați zonele urbane marcându-le în imagine. Apoi, veți continua să adăugați site-uri de instruire reprezentative în întreaga imagine.

pentru fiecare clasă de acoperire a terenului, continuați să creați eșantioane de instruire până când aveți eșantioane reprezentative pentru fiecare clasă. La rândul său, acest lucru ar genera un fișier semnătură, care stochează toate probele de formare informații spectrale.

în cele din urmă, ultimul pas ar fi utilizarea fișierului de semnătură pentru a rula o clasificare. De aici, va trebui să alegeți un algoritmi de clasificare, cum ar fi:

• probabilitate maximă
• distanță minimă
• componente principale
• suport vector machine (SVM)
• Cluster Iso

după cum se arată în mai multe studii, SVM este unul dintre cei mai buni algoritmi de clasificare în teledetecție. Dar fiecare opțiune are propriile sale avantaje, pe care le puteți testa pentru dvs.

3. Analiza imaginii bazată pe obiecte (OBIA)

iată pașii pentru a efectua clasificarea analizei imaginii bazate pe obiecte:

• efectuați segmentarea multirezoluției
• selectați zonele de formare
• definiți Statisticile
• clasificați

analiza imaginii bazată pe obiecte (OBIA) segmentează o imagine prin gruparea pixelilor. Nu creează pixeli unici. În schimb, generează obiecte cu geometrii diferite. Dacă aveți imaginea potrivită, obiectele pot fi atât de semnificative încât să facă digitalizarea pentru dvs. De exemplu, rezultatele segmentării de mai jos evidențiază clădirile.

cele mai frecvente 2 algoritmi de segmentare sunt:

• segmentarea cu mai multe rezoluții în eCognition
• segmentarea medie a segmentului în ArcGIS

în clasificarea Object-based Image Analysis (OBIA), puteți utiliza diferite metode pentru a clasifica obiectele. De exemplu, puteți utiliza:

formă: dacă doriți să clasificați clădirile, puteți utiliza o statistică a formei, cum ar fi “potrivire dreptunghiulară”. Aceasta testează geometria unui obiect la forma unui dreptunghi.

textura: Textura este omogenitatea unui obiect. De exemplu, apa este în mare parte omogenă, deoarece este în mare parte Albastru închis. Dar pădurile au umbre și sunt un amestec de verde și negru.

SPECTRAL: puteți utiliza valoarea medie a proprietăților spectrale, cum ar fi infraroșu apropiat, infraroșu cu unde scurte, roșu, verde sau albastru.

context geografic: obiectele au relații de proximitate și distanță între vecini.

clasificarea celui mai apropiat vecin: clasificarea celui mai apropiat vecin (NN) este similară cu clasificarea supravegheată. După segmentarea cu mai multe rezoluții, utilizatorul identifică site-uri de probă pentru fiecare clasă de acoperire a terenului. Apoi, ele definesc statistici pentru a clasifica obiectele de imagine. În cele din urmă, cel mai apropiat vecin clasifică obiecte pe baza asemănării lor cu site-urile de antrenament și statisticile definite.

Citește mai mult: cel mai apropiat Ghid de clasificare vecin în ECognition

ce tehnică de clasificare a imaginilor ar trebui să utilizați?

să presupunem că doriți să clasificați apa într-o imagine de înaltă rezoluție spațială.

decideți să alegeți toți pixelii cu NDVI scăzut în acea imagine. Dar acest lucru ar putea clasifica greșit și alți pixeli din imagine care nu sunt apă. Din acest motiv, clasificarea bazată pe pixeli, cum ar fi clasificarea nesupravegheată și supravegheată, oferă un aspect de sare și piper.

oamenii agregă în mod natural informațiile spațiale în grupuri. Segmentarea multirezoluție face această sarcină prin gruparea pixelilor omogeni în obiecte. Caracteristicile apei sunt ușor de recunoscut după segmentarea multirezoluției. Acesta este modul în care oamenii vizualizează trăsăturile spațiale.

• când trebuie să utilizați pe bază de pixeli (clasificare nesupravegheată și supravegheată)?
• când trebuie să utilizați clasificarea bazată pe obiecte?

așa cum este ilustrat în acest articol, rezoluția spațială este un factor important în selectarea tehnicilor de clasificare a imaginilor.

când aveți o rezoluție spațială scăzută, atât tehnicile tradiționale de clasificare a imaginilor bazate pe pixeli, cât și pe obiecte funcționează bine.

dar când aveți o rezoluție spațială ridicată, OBIA este superioară clasificării tradiționale bazate pe pixeli.

tendințe de date de teledetecție

în 1972, Landsat-1 a fost primul satelit care a colectat reflectanța Pământului la o rezoluție de 60 de metri. În acest moment, clasificarea nesupravegheată și supravegheată erau cele două tehnici de clasificare a imaginilor disponibile. Pentru această rezoluție spațială, acest lucru a fost suficient.

cu toate acestea, OBIA a crescut semnificativ ca tehnică de procesare a imaginilor digitale.

de-a lungul anilor, a existat o cerere tot mai mare de date detectate de la distanță. Există sute de aplicații de teledetecție. De exemplu, securitatea alimentară, mediul și siguranța publică sunt foarte solicitate. Pentru a satisface cererea, imaginile prin satelit vizează o rezoluție spațială mai mare la o gamă mai largă de frecvențe.

Tendințe De Date De Teledetecție:

• mai omniprezent
• rezoluție spațială mai mare
• gamă mai largă de frecvențe

dar imaginile cu rezoluție mai mare nu garantează o acoperire mai bună a terenului. Tehnicile de clasificare a imaginilor utilizate sunt un factor foarte important pentru o mai bună precizie.

clasificare nesupravegheată vs. clasificare bazată pe obiecte

un studiu de caz de la Universitatea din Arkansas a comparat clasificarea bazată pe obiecte și pe pixeli. Scopul a fost de a compara imaginile cu rezoluție spațială înaltă și medie.

în general, clasificarea bazată pe obiecte a depășit atât metodele de clasificare bazate pe pixeli nesupravegheate, cât și cele supravegheate. Deoarece OBIA a folosit atât informații spectrale, cât și contextuale, a avut o precizie mai mare. Acest studiu este un bun exemplu al unora dintre limitările tehnicilor de clasificare a imaginilor bazate pe pixeli.

citiți mai multe: 9 seturi de date gratuite privind acoperirea terenurilor / utilizarea terenurilor

creșterea clasificării bazate pe obiecte

pixelii sunt cea mai mică unitate reprezentată într-o imagine. Clasificarea imaginilor utilizează statistici de reflexie pentru pixeli individuali.

s-a înregistrat o creștere semnificativă a progreselor tehnologice și a disponibilității imaginilor de înaltă rezoluție spațială. Dar ar trebui luate în considerare și tehnicile de clasificare a imaginilor. Lumina reflectoarelor strălucește asupra analizei imaginii bazate pe obiecte pentru a oferi produse de calitate.

conform rezultatelor căutării Google Scholar, toate tehnicile de clasificare a imaginilor au arătat o creștere constantă a numărului de publicații. Recent, clasificarea pe bază de obiecte a arătat o creștere mult.

acest grafic afișează rezultatele anuale ale Căutării Google Scholar utilizând expresia de căutare “AllinTitle:”.

dacă v-a plăcut acest ghid pentru tehnicile de clasificare a imaginilor, vă recomand să descărcați infografia de clasificare a imaginilor prin teledetecție.

1. Blaschke T, 2010. Analiza imaginii bazată pe obiecte pentru teledetecție. Jurnalul ISPRS de fotogrametrie și teledetecție 65 (2010) 2-16
2. Clasificare bazată pe obiecte vs clasificare bazată pe Pixeli: importanța comparativă a imaginilor cu mai multe rezoluții (Robert C. Weih, Jr.și Norman D. Riggan, Jr.)
3. Segmentare multirezoluție: o abordare de optimizare pentru segmentarea imaginii pe mai multe scări de înaltă calitate (Martin Baatz & Arno Schape)
4. Trimble Ecognition Developer: http://www.ecognition.com