Алгоритмы классификации космической съемки в GRASS: различия между версиями

Материал из GIS-Lab
Перейти к навигации Перейти к поиску
 
Строка 4: Строка 4:
{| class="wikitable" width="80%"
{| class="wikitable" width="80%"
|-
|-
! !! радиометрическая<BR>без обучения !! радиометрическая<BR>с обучением<BR>вариант 1 !! радиометрическая<BR>с обучением<BR>вариант 2 !! радиометрическая и геометрическая<BR>с обучением
! !! радиометрическая<BR>без учителя !! радиометрическая<BR>с учителем<BR>вариант 1 !! радиометрическая<BR>с учителем<BR>вариант 2 !! радиометрическая и геометрическая<BR>с учителем
|-style="vertical-align:top"
|-style="vertical-align:top"
| '''расчет статистики'''
| '''расчет статистики'''

Текущая версия от 06:28, 4 ноября 2013

Методы классификации в GRASS

В GRASS реализовано несколько алгоритмов классификации: один алгоритм класса "обучение без учителя" и три - "обучение с учителем":

радиометрическая
без учителя
радиометрическая
с учителем
вариант 1
радиометрическая
с учителем
вариант 2
радиометрическая и геометрическая
с учителем
расчет статистики i.cluster i.class i.gensig i.gensigset
классификация i.maxlik i.maxlik i.maxlik i.smap
примечания базируется на автоматически рассчитанной статистике изображения требует оцифровки тренировочных полигонов требует оцифровки тренировочных полигонов требует оцифровки тренировочных полигонов

Алгоритм классификации на баз обучения без учителя базируется на автоматической кластеризации объектов имеющих сходные спектральные характеристики. В результате, объекты имеющие сходные спектральные характеристики будут определены в один класс, а число таких классов задается пользователем. Данный подход может не превести к удовлетворительному результату в случае, если совершенно разные объекты (например болота и возделываемые земли) имеют сходные, хотя и отличающиеся спектральные характеристики поскольку в результате автоматической классификации будут отнесены к одному классу.

Суть метода классификации на основе обучения с учителем (supervised classification) заключается в том, что пользователь сам определяет, какие пиксели с какими спектральными значениями попадут в тот или иной класс объектов. Это достигается путем создания набора эталонов – пространственных выделов (полигонов), для которых класс установлен на основе полевых исследований или по тематическим картам.