Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
Przeglądmetodklasyfikacjistosowanychwteledetekcji
9
dzić,żeoilekażdaklasyfikacjaspektralnajestklasyfikacjąpikselową,otylekla-
syfikacjapikselowaniemusibyćklasyfikacjąspektralną.Wydajesię,żezwiązek
obydwutych,niedokońcasynonimicznych,określeń,spowodowanymożebyć
pewnymizaszłościamihistorycznymi:algorytmypikselowezaczęłybyćwyko-
rzystywanewteledetekcjiniemalwyłącznie(przynajmniejnapoczątku)dokla-
syfikacjinapodstawiecechspektralnychobrazu.Dalejbędziemyużywaćrównież
określenia„klasyfikacjapikselowa”,główniedoprzedstawieniatechnologicznych
zaletiograniczeńrzeczonejmetody,wprostprzekładającychsięzużywanegoal-
gorytmu(pikselowego)naklasyfikację(spektralną).Wartoprzytymwspomnieć,
żesamanazwa:pikselowazaczęłabyćszerokoużywanadopieroodok.2000r.,
odmomentupojawieniasięprogramueCognition,wdużymstopniuupowszech-
niającegoklasyfikacjęobiektową,jakoodpowiedźnarysującysiępodział:pikse-
lowa–obiektowa.Wcześniejużywanopoprostuterminuklasyfikacja.
Klasyfikacjapikselowajestnajprostszą(względnie)inajstarszą(Robertson,
1973)formąklasyfikacjiobrazucyfrowego.Polegaonanarozpatrzeniukażdego
pikselaosobno,podkątemjegowartościiprzyporządkowaniagodowybranej
klasynapodstawieopracowanychwzorcówklas.Wtymcelunajczęściejwykorzy-
stywanesąobrazywielospektralne(klasyfikacjaobrazówprzedstawiającychjeden
zakresspektrumcharakteryzujesięzazwyczajbardzomałądokładnością).War-
tościpikseliwposzczególnychzakresachspektralnychsąwykorzystywanejako
jedynecechybranepoduwagęprzyprzyporządkowywaniuichdoposzczególnych
klas.Ztegopowoduklasyfikacjabywanazywanapunktową(ang.pointclassifica-
tion)lubwłaśniespektralną(ang.spectralclassification)(Cambell,2007).
Istniejewieleodmianklasyfikacjipikselowej.Podwzględemsposobutworze-
niawzorcówklas(sygnatur4),doktórychprzyrównywanei,wrezultacie,przypo-
rządkowywanesąposzczególnepiksele,możemywyróżnićdwarodzajeklasyfi-
kacji(Jensen,1996):
nienadzorowaną,wktórejwzorcetworzonesąautomatycznie,napodstawie
analizystatystycznejobrazu5;
nadzorowaną,wktórejoparametrachwzorcówdecydujeoperator.
Niezależnieodprzedstawionegopodziału,wyróżniamyregułydecyzyjne
(ang.decisionrules),służącedookreślaniapodobieństwaposzczególnychpikseli
dowyznaczonychsygnatur.Możemytuwskazaćregułyparametryczne:
4
Sygnaturatozestawparametrówstatystycznychpikseli,reprezentującychposzczególneklasy.
5
NajczęściejstosowanąmetodąjestISODATA(TheIterativeSelf-OrganizingDataAnalysis
Technique),opracowanaprzezBallaiHalla(1965),będącaulepszeniemmetodyk-średnich
(k-means).Istniejąrównieżmetody(nienadzorowane),wktórychklasynietworząsięnapodstawie
sygnatur,alepoprzezwzajemnełączeniesiępikselinapodstawiepodobieństwacech(patrz:(Fisher,
vanNess,1971;Sibson,1973)),aleraczejnieznajdująonezastosowaniawprzetwarzaniudanych
teledetekcyjnych.
