Kontrollü ve Kontrolsüz Sınıflandırma Uygulamaları
Görüntü sınıflandırması nedir?
Görüntü sınıflandırması uydu görüntülerinden tematik bilgi elde etmek için kullanılan yöntemlerden biridir. Görüntü sınıflandırması, arazi örtüsü çeşitleri (su, su, tahıl, orman, şehir alanları vs) spectral yansıma değelerinin bir spectral desen tanımlama teorisi ile analiz edilerek görüntünün benzer spectral sınıflara ayrılmasıdır.
Kontrolsüz sınıflandırma nedir?
Kontrolsuz sınıflandırma (unsupervised classification) görüntü hakkında hiç bir bilgi sahibi olunmadığı durumda, görüntüdeki spectral yansıma değerlerine göre kümeler oluşturularak yapılan gruplamadır. Daha sonra bu kümeler sınıf oluşturmak için kullanılır. Uzaktan algılama uygulamalarında çok tercih edilen bir yöntem değildir. Sonuçların doğruluğu genelde tatmin edici olmamaktadır.
Kontrollü sınıflandırma işlemi nedir?
Kontrollü sınıflandırmada, görüntünün hangi sınıflara ayrılacağı ve görüntüden hangi sınıfların elde edilmek istenildiği, önceden belirlenmektedir ve görüntüdeki piksellerin yansıma değerlerinin yeterli sayıda örneklenmesi ile oluşturulur. Her bir cisim için spectral özellikleri tanımlı özellik dosyaları oluşturulur.
Kontrollü sınıflandırmada hangi sınıflandırma yöntemleri kullanılır?
Kontrollü sınıflandırma işleminde;
• En büyük benzerlik (Maximum Likelihood)
• Paralelyüz (Paralellepiped)
• En küçük uzaklık (Minimum Distance) adı verilen çeşitli sınıflandırma yöntemleri
kullanılır.
Erdas Imagine programında yer İlgi Alanı Belirleme Araçları nedir?
AOI Tools-Area Of Interest Tools (İlgi Alanı Belirleme Araçları): Görüntü üzerinde sayılsallaştırma, tek ya da grup pikselleri belirlemek için kullanılacak araçları içerir
Erdas Imagine proramında yer alan signature editor nedir?
Signature Editor: Spectral sinyallerin toplanmasına, değerlendirilmesine ve güncellenmesine olanak sağlayan araçları içerir.
Sinyallerin toplanması esnasında uygulanacak ilk adım neleri içerir?
Adım 1: “\uygulama03” dizini altında “Bilsat200408.img” görüntüsü Erdas
Image programında “Viewer1”de açılır.
Sinyallerin toplanması sırasında 4. adımda Classification çubuğunda hangi işlemler yapılır?
Adım 4: Erdas Imagine ana ikon barda bulunan “Classification” düğmesine basılır. “Classification” komut penceresinde “Signature Editor” seçilir. “Signature Editor” komut penceresi, sinyallerin toplanmasını sağlar.
Arazi örtüsüne ilişkin değerlendirme nasıl yapılır?
Doğru bir sınıflandırma, arazi örtüsüne ilişkin sinyallerin değerlendirilmesine bağlıdır. Bu değerlendirme; “Histogram Plots”, “Mean Plots” ve “İmage Alarms” olarak adlandırılan 3 aşamada yapılmaktadır.
Histrogram Plots ne işe yaramaktadır?
Histogram plots, sinyal kalitelerinin değerlendirilmesini sağlar. Bu değerlendirmede farklı sınıflara ait tayfsal karışıklıklarla (Spectrally confused) karşılaşılacaktır. Tayfsal karışıklıklar, bir arazi örtüsü sınıfının birden daha fazla sinyali içermesinden kaynaklanır.
Mean Plots fonksiyonuna nasıl ulaşılır?
Adım 1: “Signature Editor” dialoğunda klavyenin “shift” tuşu yardımı ile “Sulu Tarım 1, Arazi 1, Kuru Tarım 1, Boş Tarım Alanı1” seçilir. Bu seçim sonucunda bu sınıflara ilişkin bilgiler sarı renkte görünür.
Mean Plots elde etmek için son basamakta ne yapılır?
Adım 3: Grafik üzerinde “Switch Between Single and Multiple Signature Mode” aletine basıldığında 4 sınıfın sinyallerine ilişkin Mean değerlerinin, farklı bandlarda benzerlik veya farklılık gösterdiği görülür. “Signature Mean Plot” grafiği üzerinde cursor ile dolaşıldığında, grafiğin altında “Layer (Band)” numarası ve “Mean (Y: ...)” değerleri belirir. “Signature Mean Plot” komut penceresindeki “File” Menüsü altında “Close” ifadesi seçilerek komut penceresi kapatılır.
Image Alarms ne işe yaramaktadır?
Görüntü üzerinden toplanan sinyallerin değerlendirmesi ve gözle doğruluğunun ön kontrolü için kullanılan araçlardan birisi de “Image Alarm”dır.
Image Alarms fonksiyonu, Erdas Imagine programında nasıl açılır?
Adım 2: “Signature Editor” komut penceresindeki “View” menüsü altında bulunan “Image Alarm” ifadesi seçilerek “Signature Alarm” komut penceresinin açılması sağlanır
Görüntülerin sınıflandırılması hangi basamakları içermektedir?
Görüntülerin sınıflandırılması “Maximum Likelihood Classification” ve “Merging Classes” (Aynı tipdeki sınıfları birleştirmek” olarak adlandırılan işlemler sonucunda yapılmaktadır.
Görüntülerin sınıflandırılması için ilk basamakta hangi işlem yapılmalıdır?
Adım 1: “Signature Editor” komut penceresi üzerindeki “Classify” menüsünden “Supervised” ifadesi seçilir.
Supervised classification penceresinde yer alan parametreler nelerdir?
Parametric Rule: Bir sinyal setinin istatistiki bilgilerine dayanır.
Minimum Distance: Her bir sinta ortalamasından, (Mean) multispectral aralığında, her bir pikselin mesafesini hesaplar. Piksel kendine yakın olanın ortalamasına dayalı olarak sınıflanır.
Mahalanobis Distance: Bu eşitlik, sınıflandırma algoritmasını içeren parametrelerdir. Her bir sınıfın her bir bandına ilişkin normal veri dağılımını içerir. Genellikle “Minimum Distance” seçeneğinden daha fazla ayırım sağlar.
Maximum Likelihood: Özel bir sınıfa ait pikselin olasılığına dayalı bir kuraldır. Özel sinyale ilişkin bir pikselin istatistiki olasılığını hesaplayan bir eşitliktir.
Mergin Class işlemi neye yarar?
Bu işlem ile aynı tipe ait sınıfların birleştirilmesi sağlanır.
Sınıfların birleştirilme işlemi recode komut penceresinde nasıl başlatılır?
Adım 7: “Thematic Recode” komut penceresinde “Bos Tarım Alanı 1, Bos Tarım Alanı 2, ...... Bos Tarım Alanı 10” seçilir, “New Value” olarak “4” girilir ve “Change Selected Rows” düğmesine basılır. “Thematic Recode” komut penceresi, “OK” düğmesine basılarak kapatılır. Takiben “Recode” komut penceresinde “OK” düğmesine basılır ve
sınıfların birleştirme işlemi başlatılır.
Merging class işlemi son basamakta nasıl tamamlanır?
Adım 10: “Raster Attribute Editor” üzerindeki “File” menüsünden “Save” ifadesi seçilerek yeni oluşum kaydedilir. Takiben “Close” ifadesi seçilerek komut penceresi kapatılır.