Алгоритмы классификации космической съемки в GRASS

Материал из GIS-Lab
Версия от 16:04, 17 февраля 2013; Bolotoved (обсуждение | вклад)

(разн.) ← Предыдущая | Текущая версия (разн.) | Следующая → (разн.)
Перейти к: навигация, поиск

Методы классификации в GRASS

В GRASS реализовано несколько алгоритмов классификации: один алгоритм без обучения и три - с обучением:

радиометрическая
без обучения
радиометрическая
с обучением
вариант 1
радиометрическая
с обучением
вариант 2
радиометрическая и геометрическая
с обучением
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 без обучения 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 пренести 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 с обучением (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.

Персональные инструменты
Пространства имён

Варианты
Действия
Статьи
Спецпроекты
Инструменты