post-processing-envi

Коли ми виконуємо класифікацію, ми намагаємося отримати якомога кращий результат. Попри це, часто результат класифікації отримуємо хоч і добрий, але все ж не ідеальний. І жодні налаштування процедури класифікації не можуть підвищити точність розпізнавання класів. У цьому разі удосконалити результат можна за допомогою процедур післякласифікаційної обробки. До неї відносять процедури об’єднання класів, згладжування меж ареалів, […]

Читати далі »

change-detection

Цей пост є вже третім постом із серії про методи автоматизованого пошуку змін по космічних знімках. Обидва минулих пости розповідали про різні способи порівняння безпосередньо різночасових знімків. Але можна замість цього порівнювати карти класифікації, які створені окремо для кожного знімка. Загальна схема пошуку змін за допомогою порівняння різночасових карт класифікації наведена на рисунку 1.   […]

Читати далі »

change-detection-scatter-plot

Аналіз багатомірного простору спектральних ознак – це дуже корисний засіб для дешифрування багатоканальних космічних знімків. Його використання допомагає обрати оптимальний алгоритм класифікації з навчанням. Також можна безпосередньо в багатомірному просторі спектральних ознак виокремлювати класи об’єктів, а потім переносити їх на двомірний географічний простір космічного знімка. Ці обидва напрямки використання пов’язані з обробкою знімків однієї дати […]

Читати далі »

auto-change-detection

Одне з головних завдань дистанційного зондування Землі – це моніторинг об’єктів та явищ на її поверхні. Регулярність космічної зйомки дозволяє вести постійне спостереження та оперативно виявляти й оцінювати зміни в природних та перетворених людиною ландшафтах. Це дуже корисна інформація, яка знаходить своє застосування в контролі землекористування, лісокористування, боротьбі з наслідками надзвичайних ситуацій та інших галузях. […]

Читати далі »

rule-images-p1

Головний результат процесу керованої класифікації космічного знімка — це карта класифікації. Але, крім неї, ще можна отримати інший результат — зображення правил (rule image). У цьому пості ми розберемо, що це таке. Коли ми виконуємо керовану класифікацію космічного знімку, програма для кожного пікселя розраховує якийсь математичний критерій (який саме, залежить від алгоритму класифікації). За значенням […]

Читати далі »

parallelepiped-classification

Минулий пост було присвячено тому, як обрати найкращий алгоритм керованої класифікації. А зараз ми розберемо, як виконувати керовану класифікацію у програмі ENVI. Зробимо це на прикладі класифікації за алгоритмом паралелепіпеду – математично найпростішого алгоритму. В ENVI робота з усіма іншими способами керованої класифікації мало відрізняється від роботи з ним. Інтерфейс налаштування процедури класифікації для всіх […]

Читати далі »

supervised-classification

Класифікація — це спосіб дешифрування космічних знімків, тобто розпізнання та виокремлення на космічних знімках будь-яких об’єктів. Класифікація належить до автоматизованих способів дешифрування. У разі їх застосування користувачу не потрібно вручну обводити межі об’єктів, за нього це робить комп’ютерна програма. За ступенем участі користувача в процесі автоматизованого дешифрування алгоритми класифікації поділяють на дві групи: класифікація без навчання […]

Читати далі »

confusion-matrix

Якщо ми застосовуємо будь-який алгоритм класифікації для дешифрування космічного знімка, нас завжди цікавить точність результату. Найпростіший спосіб її оцінки — це візуальна оцінка. Коли ми порівнюємо космічний знімок із результатом його класифікації, то можемо побачити помилки та приблизно оцінити їхні розмір. Але якщо нам треба серйозна точність оцінювання, то не обійтися без застосування кількісних методів […]

Читати далі »

scatter-plot-

Існують різні засоби ілюстрації змін спектральної яскравості об’єктів під час переходу від одної частини спектру до іншої. Якщо треба показати це для одного пікселя знімку або узагальнено для групи пікселів, то зазвичай використовують криві спектральної яскравості (або спектральної відбивної здатності). А що робити, коли є бажання відобразити спектральні характеристики кожного пікселя космічного знімку? У такому разі […]

Читати далі »

ROI-separability-envi

Сучасне програмне забезпечення для обробки космічних знімків надає користувачеві багатий арсенал алгоритмів керованої класифікації, або класифікації з навчанням (більш детально можна прочитати тут). Це створює широкі можливості для автоматизації процесу дешифрування знімків. Натомість від користувача вимагається створити якісні навчальні вибірки. Саме від їхньої якості залежить точність керованої класифікації. Теорія У користувачів часто виникає закономірне бажання […]

Читати далі »