Доступно с лицензией Image Analyst.
Доступно с лицензией Spatial Analyst.
Классификация изображений – это процесс назначения классов, заданных в системе классификации почвенно-растительного покрова или землепользования, называющейся схемой, всем пикселам изображения, полученного с помощью дистанционного зондирования.
Выходной растр, полученный в результате классификации изображения, можно использовать для создания тематических карт. В зависимости от характера взаимодействия аналитика с компьютером в процессе классификации, различают два метода классификации изображений: классификацию с обучением и классификацию без обучения. Оба метода могут быть на основе объекта или на основе пиксела.
Классификация изображений может быть длительным процессом со многими стадиями. В ArcGIS Pro рабочие процессы классификации были упрощены в Мастере классификации, так что пользователь, обладающий некоторыми знаниями в области классификации, может перейти к процессу и выполнить его под руководством мастера. Имеются также отдельные инструменты классификации для опытных пользователей, которым может потребоваться только часть процесса классификации.
| Инструмент | Описание |
|---|---|
Мастер классификации помогает пользователю пройти через весь процесс классификации. Он предлагает решение, основанное на установившейся практике и упрощенном опыте пользователей, позволяющее пользователям выполнить процесс классификации наиболее эффективно. | |
Сегментация является ключевым компонентом рабочего процесса классификации на основе объекта. Этот процесс группирует вместе соседние пикселы со сходным цветом и геометрическими характеристиками. | |
Страница Менеджер обучающих выборок разделена на два раздела: вверху раздел управления схемой, внизу – раздел обучающих выборок. Схема классификации используется для организации всех объектов на изображениях в хорошо различимые классы. Обучающая выборка – это область, в которой задаются определенные классы, которые должны соответствовать вашей схеме классификации. | |
Вы можете классифицировать данные, используя технику классификации с обучением или без обучения. В этом шаге изображению присваиваются классы, в зависимости от алгоритма классификации и выбранных параметров. | |
После выполнения классификации с обучением, вам может потребоваться слить некоторые классы вместе, в более общие. Классы ограничиваются родительскими классами из вашей схемы. | |
После выполнения классификации без обучения, необходимо организовать полученные результаты в информативные классы согласно схеме. | |
Оценка точности использует базовый набор данных для определения точности результатов классификации. Точность варьирует от 0 до 1, при этом 1 означает 100% точность. | |
После классификации изображения, вы возможно найдете небольшие ошибки. Вы можете внести исправления в отдельные объекты или элементы. |
Классификация с обучением и без обучения
В зависимости от характера взаимодействия аналитика с компьютером в процессе классификации, различают два метода классификации изображений: классификацию с обучением и классификацию без обучения.
Классификация с обучением используется, когда вы знаете, каким категориям вы собираетесь присваивать пикселы или сегменты изображения. Эти категории категорий называются вашей схемой классификации. По завершении классификации вам придется проанализировать классифицированный набор данных и переназначить любые ошибочные классы или полигоны классов в соответствующий класс, основываясь на вашей схеме.
При классификации без обучения компьютер определяет, какие классы представлены в вашем изображении, основываясь на статистических различиях в спектральных характеристиках пикселов. По завершении классификации без обучения вам нужно присвоить получившимся классам категории, исходя из вашей схемы.
На основе объекта и на основе пиксела
Для выбранного метода классификации есть две опции: на основе объекта и на основе пиксела.
Традиционным подходом является пиксельный, когда отнесение пиксела к классу происходит индивидуально. В этом случае информация о соседних пикселах не принимается в расчет. Это может привести к эффекту «перец с солью» в результатах вашей классификации
Подход на основе объекта группирует соседние пикселы на основе их сходства, определяемого в процессе сегментации. Сегментация в процессе группировки пикселов учитывает характеристики их цвета и формы. Поскольку этот подход приводит к усреднению значений пикселов и принимает в расчет географическую информацию, объекты после сегментации более точно отражают картину реального мира, что позволяет получить более явные результаты классификации.