Класиране без обучение
Тема 3Компютърна обработка на мултиспектрални изображения за изучаване на планини
2. Класификация без обучение
Има доста специфични методи илиалгоритми за класифициране без обучение. ПакетътMultiSpecпредлага два алгоритъма за такава класификация:
1.Алгоритъм за бърз избор на клъстери– подходящ за бързо разделяне на многозоново изображение на хомогенни области (клъстери). Изображението се разглежда последователно, пиксел по пиксел, и яркостта на всеки следващ пиксел се сравнява с централните стойности на съществуващите клъстери. Центърът на първия клъстер е стойността на първия пиксел в първия ред. Ако разликите надхвърлят определената граница, се организира нов клъстер и т.н.
2.Итеративен алгоритъм ISODATA- използва се за по-точно, многоетапно клъстериране. Алгоритъмът преминава през няколко итерации (итерации ), по време на които някои пиксели преминават от един клас в друг. В същото време клъстерите изглеждат „разклатени“, във всеки клъстер се събират пиксели с най-сходни стойности. ISODATA е съкращение от английското наименованиеIterative Self-Organizing Data Analysis Technique, т.е.Iterative Self-Organizing Data Analysis Method.
Тези два алгоритъма могат да бъдат оприличени на първото запознанство и установеното приятелство. Например, в първия учебен ден, момчетата от класа могат да общуват предимно със своите съученици и тези, които седят до тях. След няколко дни всички постепенно ще се опознаят и ще се сформират постоянни компании по интереси.
Ако се върнем към изображенията, най-целесъобразно е дакомбинирате алгоритми за класификация: първо, извършете бърз избор на клъстери и след това постепенно го подобрете. Така е възможно да се постигне по-бързодобър резултат.
А сега нека направим автоматична класификация без обучение за идентифициране на височинните растителни пояси според вече познатото ви изображение на района на Елбрус, направено от скенераLandsat ETM+.
За да работите, ви е необходимо изображениеETM+във формат TIFF, състоящо се от изображения на зони 1, 3, 5, създадени в задача 2.2. и програмаMultiSpec.
1.Отворете изображение в програмата (менюФайл®Отваряне на изображение). Като начало изберете малка област, да речем, наснежните полета на Елбрус (преместете стрелката на мишката върху тях и, като държите натиснат левия бутон, преместете мишката наклонено настрани с няколко пиксела). На снимката е начертан правоъгълник, съответстващ на сайта. Сега в менютоПроцесоризберетеСписъчни данни(Списъчни стойности), натиснетеОКв диалоговия прозорец с параметри.
Колони с числа ще вървят зад изображението в текстовия прозорец - това са стойностите на яркостта на пикселите на областта в трите спектрални зони, съдържащи се в изображението -същите цифрови стойности, които се използват за компютърна класификация. Когато изброяването приключи, погледнете тези колони. Един от тях ще има ниски стойности (15-20), другите два ще имат високи стойности (255). Ниските стойности съответстват на изображението на снежни полета в средната инфрачервена зона 5 (1,55-1,74 µm), а високите стойности съответстват на изображението им в синята и червената зона 1 и 3 (0,45-0,52 и 0,63-0,69 µm).
2.Повторете стъпка 1 за една от зоните с растителност, показани в тъмночервено. В този случай стойностите в средната инфрачервена зона ще бъдат доста високи, в червената (средна колона) - най-ниските, а в синята - малко по-високи, отколкото в червената. Така всеки обект има свой собствен уникален набор от яркости в спектралните зони.
 |
За основните типове обекти стойностите на яркостта (по-точно спектралното отражение - т.е. способността да се отразява светлината в различни части на електромагнитния спектър) са добре проучени.
Фигурата показва как се променя отражателната способност на зелена растителност, суха и влажна почва, вода в зависимост от дължината на вълната в електромагнитния спектър. Това са така нареченитеспектрални криви на отражение - те се получават чрез подробни измервания.
Сините ивици показват спектралните зони на скенераETM+. Ако се вгледате внимателно, ще видите, че местоположението на тези зони е избрано в тези части на спектъра, където кривите на отразяване се различават най-много помежду си за избраните обекти.
Яркостта на всеки пиксел в различни зонални изображения е свързана с отразяващата способност на обекти в различни спектрални зони. Чрез отношението на яркостта и техните абсолютни стойности те определят към кое изображение на обект принадлежи даден пиксел.
Важно:Преди да преминете към следващия елемент от задачата, трябва да щракнете веднъж с левия бутон на мишката в изображението, за да премахнете избора на всички области.
3.Да преминем към класификацията. В менютоПроцесоризберетеКлъстер(Клъстериране). В появилия се диалог маркирайте избрания алгоритъм -ISODATA. Отваря се друг диалог - в него в секциятаОпции за инициализация(Начални параметри) изберетеИзползване на еднопроходни клъстери(Използване на бърз избор на клъстери). Сега в секциятаДруги опциизадайтеРазстояние 1=50иРазстояние 2=100. Това са максималните разстояния (по отношение на яркостта) между текущия пиксел и центъра на клъстера, отвъд коитопикселът трябва да образува нов клъстер. Ако центърът на клъстера, с който се сравнява стойността, е на първия ред на моментната снимка, тогава се взема разстояниетоРазстояние 1, а ако е на други редове, тогаваРазстояние 2. НатиснетеOKв този диалогов прозорец. Накрая в основния диалогов прозорец поставете отметка в квадратчетоСъздаване на файл с маска на клъстера, щракнете върхуОКотново, въведете име на файл, за да запазите тази карта. След кратко време клъстерирането ще завърши - трябва да имате 10 клъстера (броят на клъстерите и техните средни стойности на яркост ще се появят в текстовото полеMultiSpec).
4.Отворете създадената карта за клъстериране чрез менютоФайл®Отваряне на изображение. Трябва да получите изображение като това:
Ако получите различен брой клъстери, проверете дали сте задали правилно параметрите за клъстериране и ако имате показана само малка част от картата, премахнете отметката от зоната в изображението, след което повторете клъстерирането.
5.Покажете оригиналното изображение и картата на групиране едно до друго на екрана. Ако е необходимо, като използвате картата на ландшафта на Национален парк Елбрус, определете кои клъстери най-добре отговарят на следните типове ландшафти:
вечен сняг и лед,
дребнолистно-иглолистни планински гори.
Направете таблица на съответствията, например:
Клъстер 10 - вечен сняг и лед Клъстер 9 - .
Има ли случаи, когато едни и същи пейзажи (на картата) попадат в различни клъстери? Има ли различни пейзажи, които попадат в един клъстер? Накрая, има ликартографирайте клъстери, изобразяващи обекти, които не са свързани с планински пейзажи?