Klasyfikacja treści obrazów cyfrowych
■ określenie liczby klas wyróżnianych obiektów, liczby iteracji i innych parametrów sterujących,
■ wykonanie klasyfikacji i sprawdzenie jej rezultatów (ewentualnie zmiana parametrów i ponowna klasyfikacja),
■ nadanie wyróżnionym klasom nazw (identyfikacja obiektów terenowych).
W klasyfikacji wielospektralnej najlepsze rezultaty uzyskuje się, gdy poszczególne kanały obrazu cyfrowego nie są ze sobą silnie skorelowane. Oceny stopnia skorelowania kanałów dokonuje się za pomocą analizy wariancyjno-kowariancyjnej (zob. rozdz. 3.4.4). Geometrycznym wyrazem słabego skorelowania kanałów jest duży rozrzut punktów reprezentujących poszczególne piksele w wielowymiarowej przestrzeni odpowiedzi spektralnych (rys. 4.4).
a £
Rysunek 4.4. Przykład rozmieszczenia w dwuwymiarowej przestrzeni odpowiedzi spektralnych obszarów zajętych przez punkty reprezentujące różne gatunki drzew - kanały B i C są silniej skorelowane niż kanały A i Ił (opracow'anie własne obrazu spektrostreftwego terenów' leśnych)
Istotą klasyfikacji nienadzorowanej jest określenie położenia punktów reprezentujących poszczególne klasy obiektów. Zakłada się, że piksele odpowiadające różnym obiektom tworzą skupienia w przestrzeni odpowiedzi spektralnych. Zastosowany algorytm musi samodzielnie „odnaleźć” te skupienia i odpowiednio je ponumerować. Wynik klasyfikacji jest przedsta-
133