153ZODH / 11. cvičení

Řízená, částečně řízená klasifikace

---

< Stránky předmětu • Předchozí cvičení

Úvod

Řízená klasifikace je založena na interaktivní výběru ploch patřící do předem určené třídy (na základě šetření v terénu či podkladové mapy). Tyto plochy jsou označovány jako trénovací plochy (ground truth areas). Tyto trénovací plochy jsou v klasifikačního procesu pro sestavení spektrálních příznaků. Trénovací plochy nesmí být příliš malé a měly by být homogenní. Modul i.class umožňuje analýzu pomocí histogramu kanálů, navíc je zobrazena Gaussova distribuční funkce spektrální odezvy a také příslušná směrodatná odchylka. Výsledné spektrální příznaky jsou určeny na základě směrodatných odchylek a kovariančních matic.

Trénovací plochy mohou být digitalizovány přímo v modulu i.class (při současném vygenerování spektrálních příznaků) či externě (r.digit, v.digit nebo digitalizační nástroj wxGUI). Spektrální příznaky jsou poté sestaveny modulem i.gensig.

Nejprve je nutno sestavit obrazovou skupinu/podskupinu a vložit do ní všechny požadované obrazové vrstvy (tj. jednotlivá pásma družicového snímku vyjma termálního pásma).

# sestavení obrazové skupiny
#
i.group group=tm subgroup=tm input=tm1,tm2,tm3,tm4,tm5,tm7

Pro usnadnění výběru trénovacích ploch je vhodné vytvořit pomocnou RGB syntézu.

g.region rast=tm1
#
# RGB syntéza 453
#
r.composite red=tm4 green=tm5 blue=tm3 output=tm453

Výběr trénovacích ploch

Interaktivní

Interaktivní výběr (digitalizaci) trénovacích ploch umožňuje modul i.class. Tento modul však obsahuje řadu omezení, které by měly být po integraci do wxGUI odstraněny.

Zadáme název obrazové skupiny, ENTER, podskupiny, podkladové rastrové vrstvy a souboru s výstupními příznaky.

i.class map=tm453 group=tm subgroup=tm outsig=tm_riz

Grafické okno se rozdělí na tři části (podobně jako při georeferencování dat, modul i.points), vpravo nahoře se zobrazí zvolená obrazová vrstva, dole je naopak umístěn aktuální zvětšený detail zvoleného území (funkce "Zoom") - viz obr. č.1. V levé části jsou zobrazovány histogramy trénovacích ploch.

Trénovací plochy jsou digitalizovány pomocí funkce "Define region" a "Draw region", pro uzavření aktuální plochy "Complete region", podmenu se opustí pomocí "Done". Analýza dané zvolené trénovací plochy - "Analyze region".

Obr č.1: Grafické okno GRASSu po spuštění modulu i.class

Spektrální příznaky jsou tak vyhledány na základě vybrané trénovací plochy. Následně jsou v levé části zobrazeny histogramy pro všechna pásma obsažená v dané obrazové skupině. Pomocí položky menu "Display matches" lze zobrazit plochy, které budou podle vytvořených příznaků přiřazeny k dané třídě. Ve snaze ovlivnit výsledek této operace můžeme změnit směrodatnou odchylku (v menu "Set std dev's").

Obr č.2: Zobrazení ploch odpovídající sestaveným spektrálním příznakům, standardní odchylka "7.5"

Po ukončení ("Done") se objeví otázka, zda chcete uložit aktuální spektrální příznaky ("Do you want to save this signatures?"), po vybrání "Yes" se zadá v okně konzole textový popisek příznaků - např. "vodni plochy". Podobně určíme další trénovací plochy. Modul se ukončí z menu "Quit". Spektrální příznaky zvolených trénovacích ploch jsou tak uloženy do speciálního textového souboru.

Trénovacích ploch by se neměly obsahovat tzv. hraniční pixely reprezentující často smíšené spektrální příznaky. Příliš malé trénovací plochy budou posléze (ze statistického hlediska) ignorovány.

Neinteraktivní

Mapovou vrstvu s trénovacími plochami lze vytvořit externě na základě mapy využití půdy, barevné syntézy a pod.

Pro vektorizaci trénovacích ploch lze použít modul v.digit, r.digit nebo digitalizační nástroj wxGUI - viz 9. cvičení.

Nejprve zobrazíme podkladovou barevnou syntézu, vytvoříme novou vektorovou vrstvu 'tplochy' (včetně atributové tabulky) a otevřeme vrstvu pro editaci.

d.rast tm453

Hranice ploch vektorizujeme bez kategorie, kategorie (atributová data) budou přiřazena pouze centroidům ploch. Po ukončení vektorizace trénovacích ploch vrstvu rasterizujeme pomocí modulu v.to.rast.

# rasterizace plochy
#
v.to.rast input=tplochy output=tplochy use=cat
d.rast tplochy

Obr č.3: Trénovací plochy

Nakonec vytvoříme soubor se spektrálními příznaky.

i.gensig trainingmap=tplochy group=tm subgroup=tm signaturefile=tm_riz1

Klasifikace (Gaussův klasifikátor)

Aplikace rozhodovacího pravidla (Gaussova klasifikátoru) je obdobná jako v případě neřízené klasifikace.

# klasifikátor maximum likelihood (MLC)
#
i.maxlik group=tm subgroup=tm sigfile=tm_riz class=tm_rkl reject=tm_rzam

Obr č.4: Výsledek řízené klasifikace

Obr č.5: Zamítací rastrová vrstva

Částečně řízená klasifikace

Tato metoda se podobá neřízené klasifikaci, pouze s tím rozdílem, že jsou nejprve vytvořeny spektrální příznaky podobně jako v případě řízené klasifikace (i.class či i.gensig). Tyto příznaky jsou posléze použity jako zárodečné (seed signatures) pro modul i.cluster. Další postup kopíruje neřízenou klasifikaci.

Někdy se tato metoda označuje jako hybridní klasifikace.

Řízená kombinovaná geometrická a radiometrická klasifikace

Kombinovaná geometrická/radiometrická klasifikace je založenou na klasifikátoru SMAP (Sequential Maximum A Posteriori - estimation). Tento klasifikátor na rozdíl od MLC bere v potaz okolí podobnosti. Tento přístup může vést k lepším výsledkům klasifikace jako takové. Za další výhodu lze považovat, že tento klasifikátor akceptuje v extrémním případě pouze jeden kanál (použitelné pro segmentaci obrazu). Klasifikátor SMAP je dostupný jako modul i.smap.

Postup se od řízené klasifikace popsané výše příliš neliší. Nejprve je potřeba vytvořit obrazovou skupinu pomocí i.group, následně vytvořit rastrovou vrstvu s trénovacími plochami. Spektrální příznaky jsou vytvořeny modulem i.gensigset. Proces klasifikace je ukončen aplikací i.smap.

# sestavení spektrálních příznaků
#
i.gensigset trainingmap=tplochy group=tm subgroup=tm signaturefile=tm_smap
#
# klasifikátor SMAP
#
i.smap group=tm subgroup=tm signaturefile=tm_smap out=tm_smap

Obr č.6: Výsledek řízené klasifikace (SMAP)

Obr č.7: Odlišně klasifikované plochy, klasifikátor MLC × SMAP

---

< Stránky předmětu • Předchozí cvičení