DZODZO –– cvicviččeneníí 88 NeNeřříízenzenáá klasifikace IIklasifikace II Algoritmus KAlgoritmus K--meansmeans 1. Na počátku je zadán požadovaný počet shluků, a pokud je k dispozici, také úvodní poloha jejich středů. 2. Úvodní polohu centroidů lze definovat jejich rovnoměrným rozmístěním ve vícerozměrném prostoru. 3. Každý klasifikovaný pixel je přiřazen do shluku, k jehož průměrovému vektoru má v analyzovaném prostoru nejblíže. 4. Jsou vypočteny nové polohy centroidů (nové průměrové vektory každého shluku). 5. Poté se celý výpočet opakuje dalšími iteracemi a to do té doby, než je dosaženo zadaného počtu iterací – méně vhodný výsledek. 6. Celý výpočet by měl být ukončen při splnění jednoho z „kritérií konvergence“, v okamžiku, kdy: – již nedochází k významnému počtu změn v zařazení jednotlivých klasifikovaných pixelů. – průměrový vektor významně nemění polohu v prostoru Algoritmus ISODATAAlgoritmus ISODATA 1. Na počátku je definován počet požadovaných shluků a počet iterací. 2. Není-li k dispozici zakládací soubor středů shluků, tyto jsou umístěny rovnoměrně v analyzovaném prostoru. 3. Vlastní zařazování pixelů do jednotlivých shluků probíhá také v jednotlivých iteracích, přičemž se řídí následujícími parametry: – Shluk, který se stane heterogenním - měřeno hodnotou násobku směrodatné odchylky, zadanou na počátku výpočtu je rozdělen na dva nové shluky. – Shluky, které jsou svými středy v analyzovaném vícerozměrném prostoru blíže, než je předem zadaná hodnota, jsou spojeny v jeden shluk. – Shluky, které obsahují méně pixelů, než je předem zadaná hodnota, jsou zrušeny a jejich pixely zařazeny ke shlukům okolním ALGORITMY V GEOMATICEALGORITMY V GEOMATICE KK--meansmeans •• hlavnhlavníí parametryparametry –– maximmaximáálnlníí popoččet výsledných tet výsledných třřííd (= pod (= poččet shluket shlukůů)) –– maximmaximáálnlníí popoččet iteracet iteracíí •• dopldoplňňujujííccíí parametryparametry –– prahovprahováá hodnota minimhodnota minimáálnlníí zmzměěny polohy prny polohy průůmměěrovrovéého vektoru (= kritho vektoru (= kritéériumrium stability shluku)stability shluku) –– v procentechv procentech –– maximmaximáálnlníí popoččet vzoret vzorůů, kter, kteréé vstupujvstupujíí do algoritmu pro definovdo algoritmu pro definováánníí shlukshlukůů ISODATAISODATA •• hlavnhlavníí parametryparametry –– minimminimáálnlníí, maxim, maximáálnlníí a poa požžadovaný poadovaný poččet shluket shlukůů –– maximmaximáálnlníí popoččetet iteraciteracíí •• dopldoplňňujujííccíí parametryparametry –– prahovprahováá hodnota minimhodnota minimáálnlníí zmzměěny polohy prny polohy průůmměěrovrovéého vektoru (= kritho vektoru (= kritéériumrium stability shluku)stability shluku) –– v procentechv procentech –– minimminimáálnlníí popoččetet pixelpixelůů ve shluku (ve shluku (MinMin ThresholdThreshold)) –– maximmaximáálnlníí smsměěrodatnrodatnáá odchylkaodchylka pixelpixelůů jednoho shluku (= kritjednoho shluku (= kritéérium homogenityrium homogenity shluku)shluku) –– minimminimáálnlníí vzdvzdáálenost stlenost střřededůů shlukshlukůů (= krit(= kritéérium odlirium odliššnosti mezi shluky)nosti mezi shluky) –– maximmaximáálnlníí popoččet spojených dvojic shluket spojených dvojic shlukůů bběěhem jednhem jednéé iteraceiterace ShlazenShlazeníí výsledkvýsledkůů klasifikaceklasifikace • využití nízkofrekvenční filtrace pro shlazení výsledků klasifikace • eliminace samostatných pixelů nebo příliš malých ploch v obraze („zrnění“) MODMODÁÁLNLNÍÍ FILTRFILTR • v základní nabídce filtrů (PTM na vrstvě –Filter… – Mode) • parametr – velikost filtrovacího okénka SIEVE FILTERSIEVE FILTER • Tools – Algorithimic Librarian… • Image Processing – Image Filtering – SIEVE • volba vstupního pásma, uložení výsledku • parametry – velikost nejmenšího polygonu, který má být zachován – definice sousedství DZODZO -- cvicviččeneníí ZadZadáánníí a výstupya výstupy k protokoluk protokolu čč. 2. 2 ÚÚKOLYKOLY • ze snímků vyřežte shodné území o velikosti 1000x1000 pixelů • klasifikujte oba zpracovávané výřezy pomocí neřízené klasifikace – vyzkoušejte různá nastavení parametrů jednotlivých metod – vyberte nejvhodnější nastavení a proveďte klasifikaci – uložte zprávu o klasifikaci • spektrální třídy agregujte do informačních tříd odpovídajících vámi zvolenému klasifikačnímu schématu z protokolu č.1 • proveďte shlazení klasifikovaného (agregovaného) snímku • pro výsledný obraz zjistěte plochu a počet pixelů jednotlivých tříd • vizuálně ohodnoťte úspěšnost klasifikace – celkově – pro jednotlivé druhy povrchu VÝSTUPYVÝSTUPY • princip dostupných metod neřízené klasifikace v programu Geomatica • zvolená metoda pro jednotlivé snímky • použité hodnoty parametrů • schéma agregace spektrálních tříd do informačních (vč. barevného schématu) • reprezentativní výřez klasifikovaného snímku před a po agregaci • shlazený klasifikovaný obraz • plocha a počet pixelů jednotlivých tříd • vizuální hodnocení úspěšnosti klasifikace • hodnocení úspěšnosti klasifikace jednotlivých tříd doplněné výřezy ze snímku