Фиг. 4. Класификации без обучение на спътниково изображение от Landsat 7 ЕТМ + на изследвания обект върху цветни комбинации от спектралните канали 7, 4 и 3 и 4, 7 и 3
5.2. Класификация с обучение
При многоканалната автоматизирана класификация с обучение всеки пиксел от изображението се причислява към определен спектрален клас на базата на степента на сходство на спектралната му сигнатура с тази на зададен от интерпретатора еталонен клас. Характеристиките на еталонния клас се определят чрез обучение на програмата- класификатор. В този случай интерпретаторът посочва върху изображението обучаващи множества от пиксели от спектрално хомогенни области, които по негова преценка принадлежат към даден клас земни обекти – интерпретационен клас [ 3 ]. Границите на обучаващите множества се изчертават и записват във векторен вид. Класификацията на изображението се определя като процес на извличане на диференцирани класове или тематично свързани обекти( напр. категории земеползване, растителни видове и др.) от спътниковите данни.
Обучаващите множества се използват в процеса на класификацията да обучат софтуера, да идентифицира и класифицира различните типове земно покритие в спътниковите изображения или други растерни набори от данни. Процесът се състои в изчертаване на полигони, които представляват области в изображението, където земното покритие е известно за интерпретатора вследствие предварително проучване на терена и анализ на съществуващите данни за обекта. След изчертаването на границите на обучаващото множество, се поставя етикет с име на класа( напр. гора, воден обект, урбанизирана територия). Фиг. 5 представя задаване на обучаващите множества за иглолистни и широколистни гори. Тъй като качеството и представителността пряко влияят върху точността на класификацията, зададените обучаващи множества са проверени и чрез свободно достъпната платформа Google Earth Pro( фиг. 6).
Фиг. 5. Задаване на обучаващи множества върху спътниково изображение от Landsat 7 ЕТМ + за територията на изследвания обект
Обучаващите множества позволяват на софтуера да извлича спектралната сигнатура за всеки клас. Тази сигнатура е уникален модел от стойности на спектралната отражателна способност в различните канали( видими, близки инфрачервени или топлинни). Всеки тип земно покритие има различни спектрални характеристики. Чрез генерираните спектрални сигнатури, алгоритъмът може да класифицира всеки пиксел в изображението към даден спектрален клас. За извършване на класификацията с обучение са зададени 24 интерпретационни класа( фиг. 7).
ГКЗ 1-2’ 2025 41