DZODZO –– cvicviččeneníí 99
ŘŘíízenzenáá klasifikaceklasifikace
ŘŘíízenzenáá klasifikaceklasifikace
OBECNÝ POSTUPOBECNÝ POSTUP
1. definování tzv. trénovacích ploch
2. výpočet statistických charakteristik (tzv. spektrálních
příznaků) pro trénovací plochy charakterizující
jednotlivé třídy, jejich editace a výběr vhodných pásem
pro vlastní klasifikaci
3. volba vhodného rozhodovacího pravidla (tzv.
klasifikátoru) pro zařazení všech prvků obrazu do
jednotlivých tříd
4. zatřídění všech obrazových prvků do vymezených tříd
5. úprava, hodnocení a prezentace výsledků klasifikace
DEFINOVDEFINOVÁÁNNÍÍ VHODNÝCH TRVHODNÝCH TRÉÉNOVACNOVACÍÍCHCH
PLOCHPLOCH
• dostatečný počet pixelů v každé trénovací ploše
• vhodná velikost trénovacích ploch
• vhodná poloha trénovacích ploch
• umístění trénovacích ploch
• rozmístění trénovacích ploch pro danou třídu
• míra homogenity trénovacích ploch z hlediska jejich
spektrálního chování
HODNOCENHODNOCENÍÍ TRTRÉÉNOVACNOVACÍÍCH PLOCHCH PLOCH
• histogramy tříd, spektrogram, korelační pole
HODNOCENHODNOCENÍÍ KVALITY TRKVALITY TRÉÉNOVACNOVACÍÍ ETAPYETAPY
• matice divergencí
POUPOUŽŽITITÍÍ VHODNVHODNÉÉHO ROZHODOVACHO ROZHODOVACÍÍHO PRAVIDLAHO PRAVIDLA
• klasifikátor minimální vzdálenosti středů
shluků
• klasifikátor pravoúhelníků
• klasifikátor maximální pravděpodobnosti
KlasifikKlasifikáátor minimtor minimáálnlníí vzdvzdáálenosti stlenosti střřededůů shlukshlukůů
KlasifikKlasifikáátor pravotor pravoúúhelnhelnííkkůů
KlasifikKlasifikáátor maximtor maximáálnlníí pravdpravděěpodobnostipodobnosti
DZODZO -- cvicviččeneníí
ZadZadáánníí a výstupya výstupy
k protokoluk protokolu čč. 3 (1.. 3 (1.ččáást)st)
ÚÚKOLY (1)KOLY (1)
(návod pro práci v Geomatice – NEní přesný postup! – viz
Rizena_klasifikace.pdf)
• zvolte klasifikační schéma na základě protokolu č.1, v
případě potřeby rozdělte vybrané druhy povrchu na
podtřídy (spektrální třídy)
• zvolte vhodnou kombinaci pásem pro snadné vizuální
rozlišení klasifikovaných tříd
• vyberte vhodná pásma pro klasifikaci (min. 4, vynechejte
pásma termální)
• vytvořte trénovací plochy pro následnou řízenou
klasifikaci (min. 200 pixelů pro jednotlivé třídy)
• pomocí statistických ukazatelů a histogramů zjistěte
vlastnosti natrénovaných tříd
• zhodnoťte odlišnost (separabilitu) tříd – matice
divergencí, korelační pole
ÚÚKOLY (2)KOLY (2)
• vyberte metodu řízené klasifikace s nejlepšími výsledky
• nalezněte vhodné nastavení parametrů vybrané metody
• proveďte klasifikaci pro původní data
• ze zprávy o klasifikaci zjistěte
– průměrnou a celkovou přesnost klasifikace
– počet pixelů tříd v klasifikovaném obraze
• na základě zprávy o klasifikaci a vizuálního dojmu
ohodnoťte výsledek klasifikace
• proveďte stejnou klasifikaci pro data transformovaná
pomocí PCA – pro jeden ze snímků
• srovnejte výsledky obou klasifikací
VÝSTUPY (1)VÝSTUPY (1)
• popis vlastností vhodných trénovacích vzorů
• klasifikační schéma (vč. případných spektrálních
tříd)
• trénovací plochy pro klasifikované třídy (obr.)
• hodnocení homogenity jednotlivých tříd –
histogramy vybraného pásma pro všechny třídy,
statistiky jednotlivých tříd ve všech pásmech
(tab.)
• matice divergencí tříd
• scatter plot dvou vybraných pásem se
zakreslením elips klasifikovaných tříd
• hodnocení vzájemné odlišnosti tříd a
zdůvodnění
VÝSTUPY (2)VÝSTUPY (2)
• princip zvolené metody řízené klasifikace
• výpis konkrétního nastavení parametrů zvolené
metody klasifikace
• doložení vhodnosti zvolené metody řízené
klasifikace pro daný snímek oproti dalším
implementovaným metodám (komentář
doplněný např. o obr. výsledku klasifikace při
použití jiné z metod a jeho slovní srovnání)
• klasifikované obrazy s legendou
• celková a průměrná přesnost klasifikace
• počet pixelů tříd v klasifikovaném obraze
• zpráva (report) o klasifikaci (připojte jako přílohu
k protokolu)