Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
Przeglądmetodklasyfikacjistosowanychwteledetekcji
11
selowej–spektralnej).Przynależnośćpikselitakiegosklasyfikowanegoobrazu
poddawanajestoceniepodkątemprawdopodobieństwawystąpieniadanejklasy
wprzypadkuokreślonegosąsiedztwa,mówiącinaczej,podkątempodobieństwa
dotegosąsiedztwa.
WobrębiemetodwykorzystującychMAPwyróżnićmożemydwa,niecood-
mienne,podejścia.Pierwszeznichwymagaklasyfikacjirozmytej(ang.fuzzyclas-
sification).Dziękitemu,określanejestpodobieństwoposzczególnychpikselinie
tylkodozwycięskiejklasy,aletakżedowszystkichpozostałychklas.Wdalszej
częściprocesuobliczanajestenergiawymaganadozmianyprzynależnościklaso-
wej,ewentualniewymuszonejprzezsąsiedztwo,którajestporównywanazkosz-
temutrzymaniapierwotnejklasywokreślonymsąsiedztwie.Przykładowo,piksel
sklasyfikowanyidentyczniejaksąsiadująceznimpikseleniezostaniezmieniony,
jednakwsytuacji,gdyjegoklasaróżnisięodklasyotaczającychgopikseli,może
onazostaćzmienionanaklasęsąsiadującychznimpikseli,oilepodobieństwo
jestodpowiednioduże.Drugiepodejście,któremożemynazwaćadaptacyjnym,
poleganaiteracyjnejklasyfikacji(np.pikselowej)danych,poprawionychnapod-
stawieocenyMAP(np.Jackson,Landgrebe,2002).
CzęstostosowanymnarzędziemsłużącymdoobliczaniaMAPsąlosowepola
Markowa(opisanewdalszejczęścitegorozdziału,jakonarzędziepozwalające
równieżoznaczaćteksturęobrazu).Pewne–niewielkie–podobieństwodometo-
dyMAPmożnaznaleźćnp.wpodejściupolegającymnaprzetworzeniuwyniku
klasyfikacjifiltremmodalnym.Wobuprzypadkachopieramysię,wtenczyinny
sposób,nadominującymsąsiedztwie,jednakwtymostatnim,wsposóbznacznie
uproszczony:niemaznaczeniapodobieństwospektralnepikseladoklasyzastę-
pującejklasępierwotniezwycięską.
Innąmetodąwykorzystującązależnościmiędzypikselamijestmetodawzrostu
obszarów(ang.regiongrowing).Zgodnieznią,pikselesąprzetwarzanewpew-
nymporządku(np.zlewejdoprawejizgórynadół;odwróceniekierunkudajeod-
mienny,choćrówniewartościowywynikprzetworzenia(Schowengerdt,1997));
pierwszypikselzostajeprzyporządkowanydopewnejklasy,asąsiednijestznim
porównywanypodkątemróżnicywartościpikseli.Oileróżnicanieprzekracza
wartościprogowej,ustalonejprzezoperatora,sąsiednipikselzostajeprzyłączo-
nydonowo-tworzonegoobszaru.Winnymprzypadku,takipikselstajesiępo-
czątkiemnowegoobszaru(Ryan,1985).Innymprzykłademtegotypualgorytmu
możebyćECHO(ang.ExtractionandClassificationofHomogeneousObjects)
przedstawionyprzezKettigaiLandgrebe’a(1976).Samodzielnezastosowanie
metodtegotypunieprowadzijednakdowydzieleniaklasjakotakich,ajedynie
obszarów,bardziejlubmniejjednorodnych,jednakbezokreślonejidentyfikacji,
czyliprowadządosegmentacjiobrazu,któramożestanowićpodstawędoklasyfi-
kacjiobiektowej(októrejniecowięcejwnastępnymfragmencierozdziału).
