Лекция 5

Презентация доступна здесь

Последовательность обработки данных ДЗЗ

Традиционно тематическая классификация снимка включает в себя несколько этапов, которые приведены на рис. 1.

1. Выделение признаков
   Преобразование многоспектрального снимка с помощью пространственного или спектрального преобразования в характерные признаки изображения.
   Примерами является выбор подмножеств полос, использование РСТ для уменьшения размерности данных или фильтра пространственного сглаживания.
   Этот этап является необязательным, так как многоспектральный снимок может быть при желании использован напрямую.

2. Обучение
   Выбор пикселов для обучения классификатора распознаванию требуемых тем или классов, а также для определения границ решения, которые сегментируют пространство признаков в соответствии со свойствами обучающих пикселов.
   Этот этап либо контролируется аналитиком с помощью реализуемого компьютером алгоритма, либо не контролируется им.

3. Маркировка
   Применение границ решения пространства признаков к снимку в целом для маркировки всех пикселов.

4. Если обучение было контролируемым, то метки уже привязаны к областям пространства признаков.
5. Если же оно было неконтролируемым, тогда аналитик должен будет на этом этапе присвоить метки этим областям.
   Окончательная карта содержит по одной метке для каждого пиксела.

схему вставить

Конечным результатом является преобразование данных цифрового снимка в описательные метки, которые распределяют по категориям различные материалы поверхности или определенные условия. В результате маркировки мы предположительно преобразовали исходные данные в форму, которая имеет информационную величину.

Конечным результатом является преобразование данных цифрового снимка в описательные метки, которые распределяют по категориям различные материалы поверхности или определенные условия.
В результате маркировки мы предположительно преобразовали исходные данные в форму, которая имеет информационную величину.

• Одновременно с классификацией происходит существенное уменьшение количества данных.
• Многоспектральное изображение (сотни полос по 8 бит/пиксел/полосу) уменьшается до размеров карты с дюжиной меток категорий.
• Карту можно сохранить с одной полосой и менее чем 8 битами/пиксел, используя двоичное кодирование.

📌 Классификацию используют как инструмент сжатия для последующей эффективной передачи данных.

• Таблица преобразования векторов пикселов в метки называется кодировочной книгой:
• используется для кодирования данных в передатчике и раскодирования в приемнике;
• если каждый вектор признака связан с уникальной меткой — это сжатие без потерь;

• если разные векторы имеют одну метку — это сжатие с потерями.

• Результативность системы сжатия оценивается по тому, насколько хорошо сохраняется исходное цифровое содержимое снимка.

👉 Таким образом, классификатор выполняет аппроксимацию исходного снимка, и точность этой аппроксимации служит основой для оценки классификатора.

• Этот подход используется для сравнения результатов классификации.
• Он представляет собой объективный численный критерий оценки.
• Позволяет классифицировать подходящие испытательные полигоны для оценки точности меток на тематической карте.

схему вставить