Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
Przeglądmetodklasyfikacjistosowanychwteledetekcji
7
Głównymcelempracyjestwięcokreślenieczyiwjakisposób,wykorzysta-
nieteksturyopisanejprzyużyciugranulometriiobrazowejmożezwiększyćefek-
tywnośćklasyfikacjipikselowej.Uzyskanewynikibadańpozwoląodpowiedzieć
nanajważniejszepytaniadotyczącedokładnościproponowanejmetodywzależ-
nościodpodstawowychcechiparametrówprzetworzeńgranulometrycznych,
atakżeokreślićmetodykęjaknajbardziejefektywnegozastosowaniaopisanych
przetworzeńcojestdrugimcelempracy.Należyprzytymzwrócićuwagęnasto-
pieńkomplikacjizagadnienia(mnogośćcechiparametrówbadanychprzetwo-
rzeń).Dogłębnezbadaniewszystkichaspektówmetodyproponowanejwpracy
byłobyztegowzględuniemożliwe,nawetwstosunkowopojemnejformie,jaką
jestzaprezentowanarozprawa.Przeprowadzonebadaniapowinnyjednakpozwo-
lićodpowiedziećnanajważniejszepytaniadotyczącedokładnościproponowanej
metodywzależnościodpodstawowychcechiparametrówprzetworzeńgranulo-
metrycznych.
Wbadaniachzostaływykorzystanezdjęciasatelitarneoróżnychparametrach
przestrzennych:obrazyorozdzielczościodbardzodużej(QuickBird)dośredniej
(LandsatMSS).
2.PRZEGLĄDMETODKLASYFIKACJI
STOSOWANYCHWTELEDETEKCJI
Odpowiedniewykorzystaniedanychwielospektralnychorazautomatyzacja
pozyskiwaniainformacjizm.in.tegotypudanychtoważnezagadnienietelede-
tekcji,owciążrosnącymznaczeniu(Kaczyński,2013;Borkowskiiin.,2012).
Podstawowymcelemklasyfikacjitreściobrazulotniczegolubsatelitarnego,
jestautomatyczne(bądźpół-automatyczne)przyporządkowaniewszystkichpik-
selinaobraziedoodpowiednichklas,najczęściejpokrycialubużytkowaniatere-
nu(Lillesandiin.,2004).
Wyodrębniamykilkaodmiennychpodejśćdoklasyfikacji.Podstawowypo-
dział,jakimożnazaproponować,wyróżnianastępującerodzajeklasyfikacji(Lil-
lesandiin.,2004):
klasyfikacjanapodstawiecechspektralnychpikseli(ang.spectralpatternre-
cognition–dosł.:rozpoznaniewzoruspektralnego),
klasyfikacjanapodstawiecechprzestrzennych(ang.spatialpatternrecogni-
tion–dosł.:rozpoznaniewzoruprzestrzennego),
klasyfikacjanapodstawiedanychwieloczasowych(ang.temporalpatternre-
cognition–dosł.:rozpoznaniewzoruczasowego).
