6. تصنيف الصور
التصنيف الموجّه
في التصنيف الموجّه (على عكس التصنيف غير الموجّه) يتم استخدام الفئات المرجعية كمعلومات إضافية. تحدد هذه العملية بشكل مسبق وآمن الفئات التي يجب أن تنتج عن التصنيف. الخطوات التالية هي الأكثر شيوعًا في التصنيف الموجّه:
- تعريف فئات استخدام الأراضي والغطاء الأرضي (الفئات الطيفية مثل الغابات دائمة الخضرة والغابات متساقطة الأوراق والمياه و المناطق الزراعة وما إلى ذلك)
- تصنيف مناطق التدريب المناسبة (المناطق المرجعية لكل فئة)
- القيام بـالتصنيف الصحيح بمساعدة خوارزمية التصنيف المناسبة
- التحقق من النتائج وتقييمها وتفحصها.
عينات مناطق التدريب
يتم "تدريب" التصنيف الإحصائي لما يسمى بـ عينات مناطق التدريب. حيث يتم اختيار العينات من المناطق التي تم فحصها (على سبيل المثال من الخرائط أو الصور الجوية) والتي تم إختيارها من استكشاف الموقع. بعد ذلك يتم تحديد المناطق المثالية لكل فئة (على سبيل المثال، فئات استخدام الأراضي مثل الغابات الصنوبرية والمسطحات المائية وما إلى ذلك) لتكون متاحة بعد ذلك كـ مناطق مرجعية لخوارزمية التصنيف.
خوارزمية تصنيف الحد الأقصى من الاحتمالية Maximum likelihood
يتم التصنيف الفعلي لصور الأقمار الصناعية بمساعدة خوارزميات تصنيف شاملة، مثل الحد الأقصى من الاحتمالية، أو الحد الأدنى للمسافة، أو الطريقة التكعيبية (متوازي السطوح)، أو التصنيف الهرمي.
أما الخوارزمية الأكثر شيوعًا للتصنيف فهي الحد الأقصى من الاحتمالية. حيث أن طريقة التصنيف هذه تلامس دالة كثافة الاحتمال، بمعنى أن المصنِّف يخمن الاحتمالية التي ينتمي بها بكسل معين إلى فئة معينة. ويسمح هذا المصنِّف بانحرافات أكبر من نقطة المركز في فضاء البيانات إذا ما كان البكسل لا يقع في منطقة فئة المتنافسة - وعلى العكس يكون الإنحراف أقل في المناطق التي يوجد بها منافسة بين الفئات المختلفة.
مَهمَّة: كيف يجب تصنيف النجمتين (الأحمر والفيروزي) هنا؟
المصدر: Naumann 2008
تقييم وتفحص النتائج
للتحقق من / لتفحص النتائج، يتم حساب احتمال إنتماء بكسل إلى فئة معينة والفرق بين احتمالات أنه ينتمي إلى الفئة المجاورة والفئة المشتبه فيها. أخيرا يتم تقديم النتائج على شكل مصفوفة بما يسمى مصفوفة الإلتباس لمناطق التدريب، من أجل إظهار مدى ملاءمة منطقة التدريب لكل فئة.
