6. Klassifizierung

Überwachte Klassifizierung

Bei einer überwachten Klassifizierung werden (im Gegensatz zu einer unüberwachten) Referenzklassen (also Zusatzinformationen) genutzt. Dadurch wird sicher gestellt, um welche Klasse es sich beim Klassifikationsergebnis handelt. Folgende Schritte werden meist durchgeführt:

  • Festlegung der Landnutzungs- bzw. Landbedeckungsklassen (spektrale Klassen wie z. B. Nadelwald, Laubwald, Wasser, Landwirtschaft etc.)
  • Erhebung geeigneter Trainingsgebiete (Referenzflächen für jede Klasse)
  • Durchführung der eigentlichen Klassifizierung mithilfe eines geeigneten Klassifikationsalgorithmus
  • Verifizierung, Bewertung und Überprüfung der Ergebnisse
Zoom Sign
Klassifikationsprozess
Satellitenbild der Region Karlsruhe und Klassifikation
Quelle: LANDSAT und verändert nach © LUBW

Trainingsgebiete

Über die sog. Trainingsgebiete wird die statistische Klassifizierung "trainiert". Die Gebiete werden durch Vorinformationen über das Untersuchungsgebiet (z.B. aus Karten oder Luftbildern) ausgewiesen und bei einer Geländeerkundung kartiert. So werden beispielhafte Regionen für jede Klasse (z.B. Landnutzungsklassen wie Nadelwald, Wasserflächen etc.) bestimmt und dem Klassifikator als Referenz zur Verfügung gestellt.

Wichtig bei der Aufnahme der Trainingsgebiete...


Die Methode der größten Wahrscheinlichkeit

Die eigentliche Klassifizierung des Satellitenbildes erfolgt mithilfe gängiger Klassifizierungsalgorithmen, wie z.B. der Methode der größten Wahrscheinlichkeit (Maximum Likelihood), der Methode der nächsten Nachbarschaft (Minimum Distance, dem Quaderverfahren (Parallelepiped) oder mit hierarchischen Klassifizierungen.

Am gängisten ist die Klassifikation über die größte Wahrscheinlichkeit (Maximum Likelihood). Sie beruht auf einer Wahrscheinlichkeitsdichtefunktion, d.h. der Klassifikator schätzt die Wahrscheinlichkeit, mit der ein bestimmtes Pixel zu einer Klasse gehört. Größere Abweichungen vom Mittelpunkt werden dort zugelassen, wo ein Pixel nicht im Bereich einer konkurrierenden Kategorie liegt - geringere, wo eine solche Konkurrenz vorliegt.

Frage: Wie sollten die Sterne (rot und türkis) hier klassifiziert werden?

Zoom Sign
Maximum Likelihood
Maximum Likelihood - Klassifikationsprinzip.
Quelle: Naumann 2008

Bewertung und Überprüfung der Ergebnisse

Zur Verifizierung, d.h. Überprüfung der Ergebnisse wird die Wahrscheinlichkeit der Klassenzugehörigkeit sowie meist die Differenz der Wahrscheinlichkeiten zur nächsten Klasse errechnet. Die Ergebnisse werden in Form einer Konfusionsmatrix der Trainingsgebiete erstellt, um die Eignung der Trainingsgebiete aufzuzeigen.