2 . KЛАСИФИКАЦИЯ БЕЗ ОБУЧЕНИЕ ( НЕКОНТРОЛИРУЕМА )
Този вид класификация се извършва до голяма степен автоматизирано . Този метод се използва в случаите , при които се разполага с малко информация за данните преди извършването на класификацията . Едва след завършване на класификацията операторът трябва да придаде информационно значение на създадените класове ( фиг . 2 ). Ето защо класификацията без обучение е полезна само в случаите , когато класовете могат да бъдат подходящо интерпретирани [ 7 ].
� Предимства и недостатъци на класификацията без обучение
Предимствата на този вид класификация са , че тя е бърза и лесна за изпълнение и създадените при нея класове са базирани на спектрална информация . Като недостатък може да се посочи фактът , че невинаги спектралните класове кореспондират с информационните . Операторът трябва да интерпретира класовете вследствие на класификацията допълнително [ 10 ].
3 . КЛАСИФИКАЦИЯ С ОБУЧЕНИЕ ( КОНТРОЛИРУЕМА )
Класификацията с обучение се осъществява при строг контрол от страна на оператора . В този процес се избират пиксели , които коректно представят особеностите на земната покривка . При разпознаването и идентифицирането може да се използват различни допълнителни източници като въздушни снимки , съществуващи карти , еталонни участъци за наземно наблюдение и дешифриране . Преди извършването на класификацията се изисква познаването на данните и на желаните класове . Чрез идентифициране на структурите операторът може „ да накара “ компютърната система да разпознава пикселите с подобни характеристики . Ако направената класификацията е точна , получените класове представят правдоподобно категориите от данните , които първоначално са идентифицирани ( фиг . 3 ).
Класификацията с обучение е по-точна от тази без обучение , но трябва да се подчертае , че това зависи в голяма степен от сигнатурните файлове . Ако например два или повече класа са подобни един на друг по спектрални характеристики , то това ще доведе до получаването на грешки при класификацията . Контролируемата класификация изисква много голямо внимание при дефинирането на шаблоните , както и повече време и средства в сравнение с неконтролируемата [ 7 ].
Фиг . 2 . Ред на работа при класификация без обучение ( неконтролируема )
Тук е направено експериментално извършване на класификация без обучение , като за целта е използвано 16 битово триканално изображение , заснето с „ Ултракам Д “ през 2018 година , на територията на испанския град Бенидорм ( Фиг . 3 ). Използван е софтуерът на Есри - ArcMap за извършване на неконтролируемата класификация . Като изходни класове са зададени 13 на брой класа . Полученият резултат е показан на фиг . 4 .
Фиг . 3 . Входно изображение , 16 бита , тиф
Фиг . 4 . Класификация без обучение
Фиг . 5 . Ред на работа при класификация с обучение
� Сигнатури
Резултатът от класификацията е набор от сигнатури , които определят примерния еталон или кластер . Всяка сигнатура отговаря на определен клас и се използва дадено правило , за да се причислят пикселите от изображението към даден клас . � Решаващо правило След като сигнатурите са дефинирани , пикселите на изображението се сортират в класове . Класовете се базират на тези сигнатури , като се използва някакво правило за класификация . Това правило е някакъв математически алгоритъм , въз основа на който се извършва самото сортиране на пикселите в отделни класове по стойности , като се използват данните , съдържащи се в сигнатурата . � Параметрично решаващо правило В случаите , когато се използва параметрично решаващо правило , всеки пиксел се причислява към даден клас , тъй като параметрично решеното пространство е непрекъснато .
� Непараметрично решаващо правило
ГКЗ 5-6 ’ 2020 15