Подготовительные этапы классификации с обучением (контролируемой)

Эти этапы включают оценку качества обучающих выборок, выбор оптимального алгоритма классификации, предварительную классификацию по эталонным участкам. Выборки итеративно улучшаются до получения результатов требуемой достоверности.

Задание ОЦЕНКА КАЧЕСТВА ОБУЧАЮЩИХ ВЫБОРОК ПО ДИАГРАММАМ ДВУМЕРНОГО ПОЛЯ ПРИЗНАКОВ И ВЫБОР АЛГОРИТМА КЛАССИФИКАЦИИ

Цель: научиться анализировать диаграммы двумерного поля признаков, использовать их для выбора алгоритма классификации и для редактирования (корректирования) обучающих выборок. Входные данные: Файл delt1234.bil, содержащий фрагменты зональных снимков (зон) 1, 2, 3, 4, МСУ-СК от 20 июля 1997 г. на дельту Волги, файл проекта delt1234.prj, содержащий обучающие выборки, созданные в ходе Занятия 2. Выходные данные: Отредактированные обучающие выборки в новом файле проекта delt_new.prj, выбор оптимального алгоритма классификации. Последовательность операций: Рассмотреть диаграммы двумерного поля признаков, построенные в программе MS Excel по парам зональных значений яркости из обучающих выборок. По диаграммам определить, необходимо ли использовать корреляционные отношения между спектральными зонами, линейны ли границы между классами, выбрать алгоритм. Используя функции редактирования, откорректировать обучающие выборки для лучшего разделения классов.

Задание ОЦЕНКА КАЧЕСТВА ОБУЧАЮЩИХ ВЫБОРОК ПУТЕМ КЛАССИФИКАЦИИ ЭТАЛОННЫХ УЧАСТКОВ

Цель: оценить качество обучающих выборок, используя алгоритм классификации с обучением. Входные данные:Файл delt1234.bil, содержащий фрагменты зональных снимков (зон) 1, 2, 3, 4, МСУ-СК от 20 июля 1997 г. на дельту Волги, файлы проектов delt_new.prj, delt1234.prj. Выходные данные: Таблица результатов классификации, классифицированное изображение. Последовательность операций: Провести классификацию по методу максимального правдоподобия по новым и старым обучающим выборкам. Сравнить таблицы результатов, просмотреть классифицированное изображение.

Задание ОЦЕНКА КАЧЕСТВА ОБУЧАЮЩИХ ВЫБОРОК ПУТЕМ СРАВНЕНИЯ С РЕЗУЛЬТАТАМИ ГИБРИДНОЙ КЛАССИФИКАЦИИ БЕЗ ОБУЧЕНИЯ

Цель: оценить однородность эталонных участков, по которым созданы обучающие выборки, и их представительность для всего снимка. Входные данные: Файл delt1234.bil, содержащий фрагменты зональных снимков (зон) 1, 2, 3, 4, МСУ-СК от 20 июля 1997 г. на дельту Волги, файл проекта delt_new.prj. Выходные данные: Гибридное классифицированное изображение для оценки пространственной однородности спектральных яркостей в пределах эталонных участков.Последовательность операций: Для получения гибридного изображения использовать команду Processor —Cluster — с использованием алгоритма ISODATA (решающие расстояния 20 и 40), затем алгоритм Processor — Сlassify — ECHO, с использованием статистики кластеров, созданных алгоритмом ISODATA. Наложить границы эталонных участков на гибридное классифицированное изображение для оценки их однородности.

Классификация и оценка результатов

Задание СОЗДАНИЕ ТЕСТОВЫХ УЧАСТКОВ ДЛЯ ОЦЕНКИ РЕЗУЛЬТАТОВ КЛАССИФИКАЦИИ

Цель: создать тестовые участки, по координатам, заданным экспертами. Входные данные: Файл delt1234.bil, содержащий фрагменты зональных снимков (зон) 1, 2, 3, 4, МСУ-СК от 20 июля 1997 г. на дельту Волги, файл проекта delt_new.prj. Файл butovo1_57.bil, содержащий фрагменты зональных снимков 1, 2, 3, 4, 5, 7, Landsat ETM+, от 6 октября 1999 г. на Северное Бутово, файл проекта butov1_57.prj. Выходные данные: Тестовые участки, добавленные в файлы delt_new.prj и butov1_57.prj. Последовательность операций: Ввести границы тестовых участков.

Задание КЛАССИФИКАЦИЯ И ОЦЕНКА ЕЕ РЕЗУЛЬТАТОВ ПО ТЕСТОВЫМ УЧАСТКАМ И КАРТЕ ВЕРОЯТНОСТЕЙ

Цель: выполнить классификацию с обучением, оценить ее результаты.

Входные данные: Файл delt1234.bil, содержащий фрагменты зональных снимков (зон) 1, 2, 3, 4, МСУ-СК от 20 июля 1997 г. на дельту Волги, файл проекта delt_new.prj. Файл butovo1_57.bil, содержащий фрагменты зональных снимков 1, 2, 3, 4, 5, 7, Landsat ETM+, от 6 октября 1999 г. на Северное Бутово, файл проекта butov1_57.prj. Выходные данные: Классифицированные изображения, таблицы результатов классификации, карта вероятностей отнесения пикселов к классам. Последовательность операций: Провести классификацию выбранным алгоритмом максимального правдоподобия, используя команду Processor? Classify с опциями Write classification results to disk file и Create Probability Results File. Проанализировать результаты по классам, используя таблицы результатов и карты вероятностей.