Mit der Image Analyst-Lizenz verfügbar.
Mit der Spatial Analyst-Lizenz verfügbar.
Bildklassifizierung bezieht sich auf die Aufgabe der Zuweisung von Klassen, die in einem als Schema bezeichneten Landnutzungssystem festgelegt sind, zu allen Pixeln eines Fernerkundungsbildes.
Das Ausgabe-Raster aus der Bildklassifizierung kann verwendet werden, um thematische Karten zu erstellen. Je nach gewünschter Interaktion zwischen Analyst und Computer während der Klassifizierung gibt es zwei Methoden der Klassifizierung: überwachte und unüberwachte Klassifizierung. Diese können jeweils objektbasiert oder Pixel-basiert sein.
Die Bildklassifizierung kann ein langer Workflow mit vielen Verarbeitungsphasen sein. In ArcGIS Pro wurden die Klassifizierungs-Workflows im Klassifizierungsassistent so optimiert, dass ein Benutzer den Workflow mit geringen Klassifizierungskenntnissen unter Anleitung des Assistenten durchlaufen kann. Zudem sind einzelne Klassifizierungswerkzeuge für fortgeschrittenere Benutzer verfügbar, die lediglich einen Teil des Klassifizierungsprozesses durchführen möchten.
| Werkzeug | Beschreibung |
|---|---|
Der Klassifizierungsassistent führt Benutzer durch den gesamten Klassifizierungs-Workflow. Er stellt eine Lösung mit Empfehlungen und eine vereinfachte Benutzeroberfläche bereit, um Benutzer effizient durch den Klassifizierungsprozess zu führen. | |
Segmentierung ist eine wichtige Komponente des objektbasierten Klassifizierungs-Workflows. Bei diesem Vorgang werden benachbarte Pixel gruppiert, die eine ähnliche Farbe und bestimmte Shape-Eigenschaften aufweisen. | |
Die Seite Trainingsgebiet-Manager ist in zwei Abschnitte unterteilt: den Abschnitt "Schemamanagement" im oberen Bereich und den Abschnitt "Trainingsgebiet" im unteren Bereich. Ein Klassifizierungsschema wird verwendet, um alle Features in Ihren Bilddaten in verschiedene Klassen zu unterteilen. Ein Trainingsgebiet ist ein Bereich, für den Sie eine bestimmte Klasse festgelegt haben, die Ihrem Klassifizierungsschema entspricht. | |
Sie können Ihre Daten mit der Methode für unüberwachte und überwachte Klassifizierung klassifizieren. Bei diesem Schritt werden Ihre Bilddaten basierend auf dem angegebenen Klassifizierungsalgorithmus und den angegebenen Parametern in Klassen verarbeitet. | |
Nachdem Sie eine überwachte Klassifizierung durchgeführt haben, können Sie einige der Klassen in generalisierteren Klassen zusammenführen. Sie sind auf die Klassen beschränkt, bei denen es sich um übergeordnete Klassen Ihres Schemas handelt. | |
Nachdem Sie eine unüberwachte Klassifizierung durchgeführt haben, müssen Sie die Ergebnisse in sinnvolle Klassennamen basierend auf Ihrem Schema organisieren. | |
Die Genauigkeitsbewertung verwendet ein Referenz-Dataset, um die Genauigkeit Ihres klassifizierten Ergebnisses zu bestimmen. Die Genauigkeit wird von 0 bis 1 dargestellt, wobei 1 einer Genauigkeit von 100 Prozent entspricht. | |
Nachdem Sie ein Bild klassifiziert haben, treten möglicherweise kleine Fehler im Klassifizierungsergebnis auf. Sie können Änderungen an Features oder Objekten vornehmen. |
Überwachte und unüberwachte Klassifizierung
Je nach gewünschter Interaktion zwischen Analyst und Computer während der Klassifizierung gibt es zwei Methoden der Klassifizierung: überwachte und unüberwachte Klassifizierung.
Bei der überwachten Klassifizierung legen Sie fest, welchen Klassenkategorien Pixel oder Segmente zugewiesen werden sollen. Diese Klassenkategorien werden als Klassifizierungsschema bezeichnet. Nachdem die Klassifizierung abgeschlossen wurde, müssen Sie das resultierende klassifizierte Dataset durchgehen und allen fehlerhaften Klassen oder Klassen-Polygonen die geeignete Klasse basierend auf Ihrem Schema neu zuweisen.
Bei der unüberwachten Klassifizierung wird vom Computer festgelegt, welche Klassen basierend auf statistischen Unterschieden in den spektralen Eigenschaften von Pixeln in Ihrem Bild vorhanden sein sollen. Nachdem die unüberwachte Klassifizierung abgeschlossen wurde, müssen Sie die resultierenden Klassen den Klassenkategorien Ihres Schemas zuweisen.
Objektbasiert und Pixel-basiert
Es stehen zwei Optionen für den Typ der Klassifizierungsmethode zur Auswahl: Pixel-basiert und objektbasiert.
"Pixel-basiert" ist eine herkömmliche Methode, anhand derer bestimmt wird, zu welcher Klasse das jeweilige Pixel im Einzelfall gehört. Sie berücksichtigt keine Informationen aus benachbarten Pixeln. Sie kann zu einem "Salz und Pfeffer"-Effekt in den Klassifizierungsergebnissen führen.
Bei der objektbasierten Methode werden benachbarte Pixel basierend auf ihrer Ähnlichkeit in einem als Segmentierung bezeichneten Prozess gruppiert. Bei der Festlegung der Anzahl zu gruppierender Pixel berücksichtigt die Segmentierung Farb- und Shape-Eigenschaften. Da bei dieser Methode im Grunde der Durchschnitt der Pixelwerte ermittelt und geographische Informationen berücksichtigt werden, weisen die durch die Segmentierung erstellten Objekte eine größere Ähnlichkeit mit realen Features in Ihren Bilddaten auf und erzeugen reinere Klassifizierungsergebnisse.