05 – Řízená klasifikace

Řízená klasifikace

Klasifikaci můžeme obecně definovat jako seskupování vzájemně si podobných prvků (entit) do určitých skupin (tříd, kategorií). V počítačových programech jde o operace, umožňující identifikovat v souboru prvků skupiny se společnými vlastnostmi.

V obrazových záznamech dálkového průzkumu jsou entity na nejnižší úrovni reprezentovány jednotlivými pixely. Klasifikace představuje proces, při kterém se jednotlivé pixely originálního numerického záznamu zařazují do tříd a vzniká tak klasifikovaný snímek. Originální obrazový záznam se tak stává tématickou mapou. Cílem digitální klasifikace je získat utříděnou informaci o objektech a jevech na zemském povrchu – např. kategorie půdního krytu, vegetační typy, půdní typy, geologické objekty, apod.

Řízená klasifikace kategorizuje obrazový soubor do apriorně stanovených tématických tříd. Tyto třídy mohou přímo odpovídat tématickým třídám požadovaným ve výsledku, nebo mohou být specifikovány úžeji a teprve později do požadovaných tříd sloučeny.

Při zpracování se využívají informace získané z reprezentativních vzorků, které se v zájmovém území typicky vyskytují a které lze v obrazovém souboru spolehlivě identifikovat. Tyto vzorky o známé identitě, sloužící k popisu jednotlivých informačních tříd, se obvykle nazývají trénovací plochy, respektive trénovací množiny. Odlišnost trénovacích množin v daných spektrálních pásmech umožňuje rozpoznání tématických tříd na základě jejich spektrálních příznaků. Na základě statistických charakteristik odvozených z trénovacích množin (obvykle se označují jako spektrální signatury) se pak vyhodnocuje příslušnost (někdy též jen stupeň příslušnosti) jednotlivých pixelů k tématickým třídám. K tomuto účelu jsou v počítačích implementovány speciální soubory operací, tzv. klasifikátory.

Tvrdé a měkké klasifikátory

Tvrdé klasifikátory poskytují jednoznačné rozhodnutí o přiřazení pixelu do některé z výstupních tříd.

Měkké klasifikátory vyjadřují úroveň pravděpodobnosti, se kterou pixel do každé z těchto tříd náleží. Měkké klasifikátory se s výhodou využívají ke zjištění tzv. smíšených pixelů, které mohou obsahovat směs dvou nebo více tříd a které by tvrdý klasifikátor zařadil jednoznačně do některé z nich. Výstupem není jeden výsledný klasifikovaný obraz, ale skupina rastrových souborů, vyjadřujících pomocí vypočtených hodnot jednotlivých pixelů – pravděpodobnost jejich příslušnosti k uvažované třídě. Jednotlivé třídy se v těchto případech zpracovávají odděleně a získané výstupy mohou vstupovat spolu s jinými záznamy do dalších procesů vyhodnocení.

Pracovní kroky řízené klasifikace

1. Definování tzv. trénovacích ploch / trénovacích množin
2. Výpočet statistických charakteristik (tzv. spektrálních signatur) pro trénovací plochy charakterizující jednotlivé třídy a jejich editace
3. Výběr vhodných pásem pro vlastní klasifikaci
4. Volba vhodného rozhodovacího pravidla (tzv. klasifikátoru) pro zařazení všech prvků obrazu do jednotlivých tříd, zatřídění všech obrazových prvků do vymezených tříd
5. Úprava, hodnocení a prezentace výsledků klasifikace

Klasifikátory

1. Klasifikátor K nejbližších sousedů
2. Klasifikátor maximální pravděpodobnosti
3. Klasifikátor minimální vzdálenosti

Postup řízení klasifikace v prostředí SNAP naleznete v tomto dokumentu.