Апробация методики автоматизированного дешифрирования - Разработка технического проекта летно-съемочных работ для создания по аэро - и космоснимкам топографического (плана) карты местности

Классификация выполнена поэтапно в соответствии с методическими указаниями [1].

Первым делом были определены классы объектов. Данные представлены в табл. 3.

Таблица 3

Наименование классов объектов

КЛАСС

НАИМЕНОВАНИЕ

ОБЛАСТЬ

1

Водные объекты

2

Поля, готовые к уборке

3

Поля на этапе всхода

4

Пашня

5

Поля, пострадавшие вследствие пожара

Затем необходимо составить обучающую выборку. Для каждого из классов объектов выбираются типичные для него области пикселей. Размер такой области в данном КП 7*7 пикселей. Количество оттенков цвета в каждом классе не регулировалось. Единственным требованием было выставлено, чтобы на завершающем этапе формирования "мозаики" количество областей пикселя определенного оттенка в каждой строчке (классе) доводилось до одинакового значения (при их недостатке в строке производилось дублирование).

Помимо составления мозайки необходимо каждому классу присвоИть определенный цвет (см. рис. 2.2).

образец обучающей выборки

Рис.2.2. Образец обучающей выборки

Вычисление Расчета параметров для обучающей выборки осуществлялось в приложении Maximum likelihood classifier (результат представлен в приложении 3).

В результате вычислений для каждой области определяется эталон - совокупность спектральных признаков, задающих один класс пикселей на цифровом снимке. После этого каждый пиксель снимка относится к тому или иному классу на основании последовательного сравнения со всеми созданными эталонами (см. рис. 2.3)

результат классификации

Рис.2.3. Результат классификации

Наилучший результат, как видно из рис.2 .3, показал 2 класс (поля, готовые к уборке), 4 класс (поля на этапе всхода) и класс 5 (пашня). Наихудший результат показал 1 класс (водные объекты). Логично предположить, что данный класс показал неважный результат по той причине, что вода на снимке плохо выражена и еле различима. При формировании обучающей выборки область выбиралась размером 7*7 пикселей. Для формирования области водных объектов с этого снимка данный размер является большим. Такой квадрат захватывает объекты, расположенные близ реки. Таким образом, можно сделать заключение, что выбор квадратной формы области пикселей для линейных объектов не лучший вариант.

Снимок картографируемой территории и результат его классификации представлен на следующем рисунке (см. рис. 2.4).

снимок до и после классификации

Рис.2.4. Снимок до и после классификации

Важно отметить, что наличие на снимке облаков нарушает "правдивость" снимка. Основной причиной плохой классификации водных объектов может быть наличие в обучающей выборке "неопределенных" пикселей. Такие пиксели вносят ложную информацию на обработанный снимок, так как их спектральные характеристики несут неопределенный характер, потому что плохо различимы среди классов. Поэтому при формировании выборки необходимо учитывать данный фактор.

Похожие статьи




Апробация методики автоматизированного дешифрирования - Разработка технического проекта летно-съемочных работ для создания по аэро - и космоснимкам топографического (плана) карты местности

Предыдущая | Следующая