Seminarium Sieci Neuronowe i Statystyka Automatyczna klasyfikacja terenu

Seminarium Sieci Neuronowe i Statystyka Automatyczna klasyfikacja terenu przy użyciu zdjęć satelitarnych na podstawie pracy Haack, B. , Bechdol, M. , (1999). Multisensor remote sensing data for land use/cover mapping Łukasz Szota

1. Na czym polega klasyfikacja terenu? - co poddajemy klasyfikacji? - jakie klasy rozróżniamy? - na podstawie jakich danych dokonujemy klasyfikacji?

Wizualizacja danych, dla punktów należących do trzech klas, przy uwzględnieniu trzech pasm spektralnych

Przykład rzeczywistych danych

Dane jakimi dysponujemy: - wielospektralne zdjęcia satelitarne (siedem kanałów dla pasma widzialnego + podczerwień), - „zdjęcia” satelitarne wykonane techniką radarową, - dane zebrane w terenie.

Różnorodność „podejść” do problemu oraz związane z nimi metody rozwiązania zadania

Rozwiązanie zastosowane przez autorów publikacji: Przyjęto model probabilistyczny, w którym klasyfikator dla danej klasy opisany jest przez wartość średnią dla każdego spektrum, oraz odchylenie standardowe. Dla rozwiązania wykorzystano dwie metody: - maximum likelihod classification, - parallelepiped classification,

Metoda największej wiarygodności maximum likelihod classyfication - ML Opiera się na regule Bayes’a, dotyczącej prawdopodobieństwa warunkowego

Uzyskane wyniki:

Dane otrzymane techniką radarową - zalety, - wady.

Podsumowując można stwierdzić, że najlepsze wyniki uzyskano łącząc dane optyczne z radarowymi, oraz stosując dodatkowo filtry danych.

Porównanie wyników uzyskanych dla obszaru Teneryfy trzema różnymi metodami: - maximum likelihod classyfication – ML, - iterated conditional modes – ICM, - support vector machines – SVM,

Opis metody ICM: tak jak ML opiera się na regułach Bayes'a, ale korzysta z otoczenia danego punktu gdzie δj oznacza punkty sąsiadujące z punktem xj

Wykorzystane publikacje: Haack, B. , Bechdol, M. , (1999). Multisensor remote sensing data for land use/cover mapping. Keuchel, J. , Naumann, S. , Heiler, M. , Siegmund, A. , (2003). Automatic land cover analysis for Tenerife by supervised classification using remotely sensed data.

Dziękuję za uwagę!