Image Analyst ライセンスで利用できます。
Spatial Analyst のライセンスで利用可能。
画像分類は、リモートセンシング画像内のすべてのピクセルにクラス (スキーマと呼ばれ、土地被覆および土地利用分類システムで定義されます) を割り当てるタスクです。
画像分類された出力ラスターは主題図の作成に使用することができます。分類時の解析者とコンピューターとのやり取りによって、教師付き分類と教師なし分類の 2 つの分類方法に分けられます。どちらも、オブジェクトに基づく分類またはピクセルに基づく分類ができます。
画像分類は、処理が多くのステージから構成される長いワークフローになる場合があります。ArcGIS Pro では、分類ワークフローは分類ウィザードに簡素化されているため、分類についての知識のあるユーザーは、このウィザードのガイダンスを使用して、ワークフローを最初から最後まで実行することができます。分類プロセスの一部だけを実行したい上級ユーザーには、個別の分類ツールもあります。
| ツール | 説明 |
|---|---|
分類ウィザードを使用すると、ユーザーは画面の案内に従って、分類ワークフロー全体を段階的に進んでいくことができます。このソリューションでは、ユーザーが分類プロセスを効率的な方法で段階的に実行できるように、ベスト プラクティスと簡略化された操作性を実現します。 | |
セグメンテーションは、オブジェクト ベースの分類ワークフローの主要コンポーネントです。このプロセスは、色が類似していて、特定の形状特性を持つ隣接ピクセルをまとめてグループ化します。 | |
[トレーニング サンプル マネージャー] ページは、上部のスキーマ管理セクションと、下部のトレーニング サンプル セクションの 2 つのセクションに分かれています。分類スキーマは、画像内のすべてのフィーチャを個別のクラスに整理するために使用されます。トレーニング サンプルは特定のクラスに定義したエリアで、分類スキーマと対応している必要があります。 | |
データは、教師なし分類手法または教師付き分類手法を使用して分類できます。このステップは、指定した分類アルゴリズムとパラメーターに基づいて、画像をクラスに分類処理します。 | |
教師付き分類を実行した後に、クラスの一部をより単純化されたクラスにマージしたい場合があります。このクラスは、スキーマ内の親クラスに制限されます。 | |
教師なし分類を実行した後に、スキーマに基づいて、意味のあるクラス名に分類結果を整理する必要があります。 | |
精度評価では、参照データセットを使用して、分類された結果の精度を決定します。精度は 0 ～ 1 の範囲で表します。1 は 100% の精度を意味します。 | |
画像の分類後、分類結果に小さいエラーが見つかることがあります。個々のフィーチャまたはオブジェクトを編集することができます。 |
教師付き分類と教師なし分類
分類時の解析者とコンピューターとのやり取りによって、教師付き分類と教師なし分類の 2 つの分類方法に分けられます。
教師付き分類では、ピクセルまたはセグメントを割り当てるクラス カテゴリを決定します。このようなクラス カテゴリを分類スキーマと呼びます。この分類が完了したら、結果の分類済みデータセットを詳しく調べてから、スキーマに基づいて、誤りのあるクラスまたはクラス ポリゴンを適切なクラスに再割り当てする必要があります。
教師なし分類では、どのクラスが画像内に存在するかを、ピクセルのスペクトル特性の統計的差異に基づいてコンピューターに決定させることができます。教師なし分類が完了したら、結果のクラスをスキーマ内のクラス カテゴリに割り当てる必要があります。
オブジェクトに基づく分類とピクセルに基づく分類
選択した分類方法のタイプには、ピクセルに基づく分類とオブジェクトに基づく分類の 2 つのオプションが用意されています。
ピクセルに基づく分類は、各ピクセルがどのクラスに属するかを、個々のピクセル レベルで決定する従来の手法です。この分類タイプでは、隣接するピクセルからの情報は一切考慮されません。これによって、分類結果に白と黒の点が散らばる可能性があります。
オブジェクトに基づく手法は、セグメンテーションと呼ばれるプロセスにおいて、隣接するピクセルの類似度に基づきそれらのピクセルをグループ化します。セグメンテーションでは、ピクセルのグループ化方法を決定するときに色と形状特性が考慮されます。この手法では、基本的にピクセルの平均値を求めて、地理情報を考慮に入れるため、セグメンテーションから作成されるオブジェクトは、画像内の現実世界のフィーチャによく似ており、より明瞭な分類結果をもたらします。