- preprocesation
- amelioration
- transformation
- classification et analyse
- la classe des objets (temathique):une multitudes des objets ou des componentes d'une image , qui presente une ou plusieurs proprietes communes
- clasification: groupation automatisee des des objets , en fonction de leurs caracteristiques , dans un nombre de classe
- la classe spectrale:multitude des objet avec des caracteristiques radiometriques similaires
- segmentation spectrale:regroupation des pixels en classes en fontction des caracteristiques radiometriques
- segmentation spatiale:regroupation des pixels en fontion de texturalite , ce qui implique des proprietes texturales ,donc une proximite spatiale
Les objectifs et les problemes
objectifs:
-simplification radiometrique pour simplifier la interpretation
-simplification de la redistribution spatiale de la radiometrie pour simplifier la interpretation
-une racordation meilleure de la radiometrie a une realite temathique
-extraction de l'information pour la realisation des cartes temathiques
problemes:
-la coherence des principes statistiques vs. coherence des distribution radiometriques vs, coherence de distributions spatiales de la radiometrie
Le concept de clasification des images
Les resultates etendues
Segmentation spatiale:
-indentiication et l'extraction des limites en format vectorial et un resultat d un nouveau couche temathique
-segmentation du teritoires dans des objets
-creation de subobjets en l'interieur des limites
-les valeurs du pixels ou les caracteristiques statistiques des objet peuvent representer des dates de l'entree en des algoritmes de clasification
La segmentation spatiale
Des stategies de clasification
-clasification nesupervisee
-clasificationhybride
-clasification semi-supervisee
-clasification supervisee
La clasiffication nesupervisee
-est l'opus de clasification supervisee
-les classes spectrales sont separee exclusivement par des milieux statistiques
-l'analyse lu chaque classe temathique d'une classe spectrale
-cluster algorithmis determinent les groupes statistiques ou les structures de dates analysees
-l'analyse specifie justele nombre de groupes qui veulent les obtenir
-les parametres de separation statistique et les variantes de l'interieur du chaque group
Des avantages :
-ne necesite pas des information de la zone
-reduction des erreurs humaines
-chaque classe est une unite temathique distincte
Des desavantages:
-il discerne des classes spectrales homogenes qui ne corresponde necessairement de classes temathiques cherche par l'analyse
-l'analyste a du controle limitee sur la structure et l'identite de classes
-les proprietes spectrales specifiques a chaque classe thematique se modifie en temps
Clasification supervisee
Principe:l'analyste identidie sur des images homogenes representatives pour les differentes classes thematiques /informationale
-choisir des zones marteur qui ont la base sur la conaissance anterieure de la clasification
-indiquer des des zones marteurs l'analyse supervise pratiquement le processus de clasification de la image entiere
-est l'opus de la classificatio nesupervise
-l'ordinateur atire chaque pixel de la classe temathique
-information de zones marteurs est utilisee de l'ordinater pour l'entrenaire dans la reconaissance des autres zones semblables spectralement
Les etapes :
- specification des zones marteurs
- l'evaluation de la qualite de l'eschantions a l'aide des milieux statistiques
- les algoritmes determine+caracterise spectralement et statistiquement les zones marteurs individualement
- chaque pixel de l'image,quelquefois consideree en contexte , est comparee avec la signature spectrale et la statistique de zone marteur
- affection de pixel de la plus semblable classe temathique
la classificasion supervisee
le principe :l'agregation de valeurs de pixels du l'espace radiometrique au milieu du centre plus proche , en fonction de la distance euclidienne et la regroupation de l'analyst de chaque classe obtenu
en fonction de la connaisance de quelques zones d'echantion de terrain.le nombre des classes finales depend du normbre de centres introduites au clasification et les eventuales agregation
Avantages:
-ne necessite pas des informations detaliees de la zone
-reduction de l'erreur humaine mais aussi celle statistique
-chaque classe est une unite temathique distincte
-flexibilite quand on choissisons le nombre de la classe et relocations temathiques de groupes de pixels
Desavantages:
-discerne les classes spectrales homogenes qui ne correspond necesairement aux classes temathiques cherches par l'analyste
-l'analyste a controle limitee sur la structure et a l'identite des classes
-les proprietes spectrales specifiques au chaque groupe se modifient dans le temps
-la regroupation de classes en fonction de conaissances sur le terrain peut introduir erreurs de relocation tematique de groupes de pixels.
Niciun comentariu:
Trimiteți un comentariu