![Page 1: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/1.jpg)
Távérzékelt felvételek
kiértékelése, a képelemzés
feladata és módszerei
Az előadás 2011-es átdolgozott változata
a TÁMOP 4.2.1./B-09/1/KMR-2010-0003
pályázat támogatásával készült.
Csornai Gábor
László IstvánBudapest Főváros Kormányhivatala
Mezőgazdasági Távérzékelési és Helyszíni Ellenőrzési Osztály
![Page 2: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/2.jpg)
Távérzékelt felvételek
kiértékelése
![Page 3: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/3.jpg)
A távérzékelt felvételek kiértékelésének célja, követelmények
A távérzékelt felvételek kiértékelésének célja:
A szükséges többsávos, több időpontban készített, több
adatforrásból származó felvételek segítségével a földfelszíni
objektumok, felszínborítási elemek minél több állapothatározóját
pontosan, megbízhatóan megbecsülni, valamint a keresett
célkategóriák tematikus térképét elkészíteni.
![Page 4: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/4.jpg)
Többsávos űrfelvételek tematikus kiértékelése2003. 03. 29., Landsat 7 ETM+
2003. 07. 27., Landsat 5 TM
növénytérkép-részlet
Őszi búzaTavaszi árpa
Őszi árpa
KukoricaSilókukoricaNapraforgóCukorrépa
Lucerna
VízfelszínekNem mezőgazdasági területekEgyéb szántóföldi növények
![Page 5: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/5.jpg)
Parlagfűfoltok
kalászos-tarlón
2005. 05. 20., Landsat 5 TM
2005. 09. 09., Landsat 5 TM
Többsávos űrfelvételek tematikus kiértékelése
![Page 6: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/6.jpg)
Feladat Vizuális interpretáció
(szem + agy rendszer)
Számítógépes
kiértékelő rendszer
Geometriai összefüggések, struktúrák
felismerése
kitűnő gyenge
Textúra felismerése, azonosítása jó gyenge
Textúra mérése gyenge kitűnő
Tónusok elkülönítése közepes kitűnő
Megbízhatóság, objektivitás,
reprodukálhatóság
közepes jó
Feldolgozási sebesség gyenge kitűnő
Bonyolult szakértelem, egyéb ismeretek
alkalmazása
jó közepes
Több adatforrás vagy időpont együttes
kiértékelése
gyenge kitűnő
Kiértékelési eljárások összehasonlítása
A távérzékelést adatok kiértékelésének két alapmódszere:
vizuális értelmezés (interpretáció) és a digitális képfeldolgozás
![Page 7: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/7.jpg)
![Page 8: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/8.jpg)
Kvantitatív távérzékelési feladatok megoldása
A feladatmegoldás fő fázisai:
- a célkitűzés pontos megfogalmazása
- modellek létrehozása
- felvételek beszerzése, adatgyűjtés és feldolgozás
megtervezése
- felvételezés, terepi adatgyűjtés
- felvételek, egyéb adatok értelmezése, kiértékelése
- célinformáció nyerése az adatrendszerből – adatátadás a
felhasználónak
![Page 9: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/9.jpg)
Felvételek feldolgozása:
Előfeldolgozás és képelemzés (képanalízis)
Előfeldolgozás:
- digitális képek bevitele a feldolgozó rendszerbe,
- kvalitatív értelmezés és tájékozódás a felvételen,
- radiometriai hibák eltávolítása, csökkentése,
- geometriai hibák csökkentése
- lényegkiemelés korlátozott információ-csökkenés mellett
- vizuális interpretációt segítő eljárások végrehajtása
- területi és képpontintenzitás-statisztika számítása
- előfeldolgozott felvételek megjelenítése
![Page 10: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/10.jpg)
Az előfeldolgozott felvételen végrehajtott összetett,
iteratív műveletsorozat
• A célosztályok meghatározása, rögzítése
• Referenciaadatokkal ellátott mintaterületek kiválasztása
• A felvétel spektrális, sugárzási adatosztályokra bontása
• Spektrális és tematikus (cél)kategóriák megfeleltetése
• A spektrális kategóriák közelségének, átfedésének mérése
• A tematikus osztályok spektrális jellemzőinek meghatározása
• Tematikus osztályozás
• Tematikus térképek pontosságvizsgálata
![Page 11: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/11.jpg)
Intenzitástér (spektrális tér)
• A többsávos digitális kép egy vagy több mátrixként fogható fel
• A mátrix sorai, oszlopai a földfelszíni csíkoknak felelnek meg.
• Egy pixel sávonkénti intenzitásértékei határozzák meg a pixel
intenzitástérbeli (spektrális térbeli) koordinátáit.
![Page 12: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/12.jpg)
A különböző
felszínborítások
intenzitásai az
intenzitástérben
általában átfednek
![Page 13: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/13.jpg)
A képelemzés feladata
és alapvető módszerei
![Page 14: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/14.jpg)
A képelemzés alapfeladata és a
képosztályozás elemi megoldásai
Célja:
a több sávos, több forrásból származó, esetleg több időpontban
készült felvétel minden pixeljének a célkategóriák egyikéhez való
rendelése.
A többsávos felvétel tematikus kiértékelésének elve
![Page 15: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/15.jpg)
A képelemzés alapfeladata és a
képosztályozás elemi megoldásai
A tematikus osztályozással szembeni követelmények:
• matematikailag megfogalmazható legyen
• számítógépen megvalósítható és megbízható
• gyors, olcsó és objektív
• ismételhető és területben kiterjeszthető
A felhasználható adatok:
• a pixel intenzitásértékei az egyes sávokban
• a pixel környezetének textúramértékei
• a pixel és környezetének intenzitásvektor-rendszere, vagy egyéb nem
távérzékelési adat (talajtérképek stb.)
![Page 16: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/16.jpg)
A képelemzés alapfeladata és a
képosztályozás elemi megoldásai
Az egyes célkategóriák képpontjai
az intenzitástérben
Az egyes kategóriák intenzitásvektorai
jellegzetes valószínűség-eloszlást
mutatnak 1-1 térrészben
![Page 17: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/17.jpg)
A képelemzés alapfeladata és a
képosztályozás elemi megoldásai
A képpont-osztályozás nehézsége a legközelebbi középpont alapján és ennek
javítása ún. (hiper)tégla vagy doboz osztályozási módszerrel.
![Page 18: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/18.jpg)
A képelemzés alapfeladata és a
képosztályozás elemi megoldásai
A valószínűség-eloszlásból kiindulva megrajzolhatóak az azonos
valószínűségek szintvonalai. Ez a maximum-likelihood
(legnagyobb-valószínűség) osztályozási módszer.
![Page 19: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/19.jpg)
A statisztikai tematikus
osztályozás
![Page 20: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/20.jpg)
A képpontosztályozás alapproblémájának
matematikai megfogalmazása a többsávos felvételekből történő
tematikus térképkészítésben
A feladat: minden pixelhez egy célkategória (osztály) hozzárendelése
(Célkategóriák pl.: ω1 – búza, ω2 – kukorica, …, ω15 – település)
• A célkategóriák halmaza: ωk (k[1..KF]), KF a célkategóriák száma
• Az egyes osztályokon (ωk) belül a különböző pixelek vektorainak (x)
eloszlása: p(x|ωk) (k[1..KF])
• Tudjuk, hogy milyen az egyes osztályok előfordulási aránya a teljes
képrészletben: p(ωk) (k[1..KF])
• Ha az osztályozás során rosszul dönt az eljárás, abból pixelenként
veszteség származik: λ(ωk, ωl) vagy λkl (k,l[1..KF])
(Az ωk osztályba soroltuk, de valójában az ωl-be tartozik)
![Page 21: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/21.jpg)
Feladat: ezen feltételek mellett egy
optimális, tág körben használható eljárás
keresése!
Megoldások: 1. osztály – lányok,
2. osztály – fiúk, B – döntési határ,
y - ismeretlen magasságú lány (ω1),
z - ismeretlen magasságú fiú (ω2)
Az osztályozás egy mennyiség
(testmagasság) alapján
![Page 22: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/22.jpg)
A téves osztályozások számát, a hibát a sávozott területek adják.
A pE(1|2) jelzi a ω2-be tartozó ω1-be soroltakat, pE(2|1) fordítva
pE(1|2) jelzi a ω2-be tartozó ω1-be soroltakat, pE(2|1) fordítva
![Page 23: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/23.jpg)
A maximum likelihood-
és a Bayes-osztályozás
![Page 24: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/24.jpg)
Besorolás diszkriminánsfüggvény alapján:
Egy x vektort abba az ωk osztályba sorolunk, amelyre gk(x) maximális.
Maximum-likelihood módszer:
gk(x) = p(x|ωk) p(ωk), vagyis:
Ha p(x|ωk) p(ωk) p(x|ωl) p(ωl) minden l[1..KF]-re,
akkor az x vektort az ωk osztályba soroljuk.
A p(x|ωk) p(ωk) maximalizálása ekvivalens p(ωk| x) maximalizálásával
(adott x-re), ugyanis:
p(ωk| x) p(x) = p(x ωk) = p(x|ωk) p(ωk) (feltételes valószínűség), tehát
p(ωk| x) = p(x ωk) / p(x) = p(x|ωk) p(ωk) / p(x),
és p(x) független az osztálytól (vagyis k-tól).
A maximum-likelihood osztályozás okozza legkevesebb hibát.
![Page 25: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/25.jpg)
Ha azt kívánjuk, hogy az osztályozási hibákból álló összes veszteség a
lehető legkisebb legyen, eljutunk a Bayes-osztályozáshoz. Ha egy x
vektor besorolásáról van szó, és azt az k osztályba soroljuk, az ebből
adódó veszteség:
Ahol p(ωl|x) annak valószínűségét adja meg, hogy egy x vektor az ωl
osztályba tartozzon.
FK
l
lklx xpkL1
)()( ]..1[ FKk
![Page 26: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/26.jpg)
A feltételes valószínűséget ismert mennyiségekkel kifejezve:
ahol a teljes valószínűség tétele miatt
Ezek alapján tehát belátható, hogy a maximum-likelihood osztályozás a
Bayes-osztályozás speciális esete a veszteségek azonos, szimmetrikus
megválasztásával. („Fordított” egységmátrix: főátlóban 0, egyébként 1.)
)()()()(1
xppxpkL ll
K
l
klx
F
FK
l
ll pxpxp1
)()()(
![Page 27: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/27.jpg)
A normális eloszlás használata
az osztályok közelítésére
![Page 28: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/28.jpg)
A maximum-likelihood és a Bayes-osztályozás gyakorlatban
használt összefüggései
• A négy kiindulási feltételt a gyakorlatban további megszorításokkal
alkalmazzuk: a tematikus osztályokhoz egy „egyéb” osztályt is
hozzáveszünk (nem osztályozott pixelek).
• A felvétel homogén területének pixelei közelítőleg normális eloszlást
mutatnak. Néhány durva eltérésnél is közelíthető súlyozott összeggel az
osztály eloszlását (keverékeloszlás).
A bonyolult eloszlás közelítése normális eloszlások súlyozott összegével
![Page 29: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/29.jpg)
• a normális eloszlású osztályok valószínűségi sűrűségfüggvénye B
csatorna (spektrális sáv) esetén:
ωk osztály jellemzői: k az osztály átlagvektora, Σk az osztály
kovarianciamátrixa, |Σk| ennek a determinánsa.
A p(ωk) osztály-előfordulási valószínűségekre az osztályozók nem
nagyon érzékenyek.
Az általános maximum-likelihood (p(ωk)* p(x|ωk) p(ωl)* p(x|ωl) )
képlete helyett használható a logaritmusa:
)]()(2
1exp[)2()( 12/12/
kk
T
kk
B
k xxxp
)()(2
1ln
2
1)(ln)( 1
kk
T
kkkk xxpxg
]..1[ FKk
]..1[ FKk
![Page 30: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/30.jpg)
• a normálistól még jobban eltérő
eloszlás esetében is jól működik a
maximum-likelihood osztályozó.
• a Bayes-osztályozás erős
számításigénye miatt érdemes a
maximum-likelihood eljárás után
alkalmazni.
A nagyon kis valószínűséggel
valamely osztályhoz tartozást
kizáró küszöbérték és hatása
![Page 31: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/31.jpg)
Veszteségi mátrix a Bayes-osztályozáshoz
![Page 32: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/32.jpg)
Spektrális adatosztályok
![Page 33: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/33.jpg)
Spektrális adatosztályok, clusterek az intenzitástérben
Egy tematikus osztályon belül az adatok természetes
csoportjai a clusterek
• az eloszlás magyarázata, hogy az illető kategória több változatban,
többféleképpen sugározva van jelen a földfelszínen.
• ezért az egyes eljárásokban a reprezentatívnak gondolt mintát
kategóriánként cluster-kereső eljárásnak vetik alá.
![Page 34: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/34.jpg)
A lehetséges viszonyok:
• egy spektrális adatosztály (alosztály) megfelel egy tematikus
osztálynak (igen ritka)
• több spektrális adatosztály (alosztály) „épít fel” egy tematikus
célosztályt (leggyakoribb)
• egy spektrális adatosztály (alosztály) több tematikus
célosztályban is fellép (ezek okozzák az osztályozási hibákat)
• valamely spektrális alosztály lényegében egyetlen tematikus
osztályhoz sem köthető
![Page 35: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/35.jpg)
Egy Landsat TM spektrális adatosztályozása után
az egyes clusterek és tematikus osztályok elhelyezkedése
![Page 36: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/36.jpg)
Néhány cluster-kereső eljárás áttekintése,
az eljárások kiindulási és eredményadatai
• Az ISODATA cluster-kereső eljárás célja az egymáshoz közel
elhelyezkedő képpontok megtalálása, tehát, hogy a clusterközéppontok
és a clusterek képpontjai távolságának az összege:
a lehető legkisebb legyen az adott darabszámú cluster (Kf) mellett.
(SSE=Sum of Squared Error: a négyzetes hiba összege)
Az eljárás lépései:
1. megfelelő számú kezdeti clusterközéppont kiválasztása
2. minden képpontot a hozzá legközelebbi clusterhez sorolunk be
3. kiszámítjuk az új középpontokat
4. megvizsgáljuk a clusterek változását; szükség szerint 2.
5. kialakultak a csoportok
A leállási feltétel lehet adott iterációszám elérése is.
]..1[
)( 2
f kKk Cx
kxSSE
![Page 37: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/37.jpg)
Az ISODATA iteratív cluster-kereső
eljárás lényege
Az ISODATA a nagyon elterjedt
„K-means” eljárás továbbfejlesztett
változata. Megengedi a kis
elemszámú clusterek elhagyását,
valamint clusterek összevonását és
szétvágását.
![Page 38: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/38.jpg)
• Több dimenziós hisztogramok elemzése:
ezek az eljárások kis sávszámra működnek hatékonyan
A hisztogramok helyi maximumai környezetének megkeresését
végzik egyes clusterkereső eljárások
![Page 39: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/39.jpg)
• A gráfelméleti módszer:
a képpont-intenzitások mindegyike mindegyik másikkal össze van
kötve (teljes gráf), és az élek hossza (súlya) az általuk összekötött
képpontok (mint intenzitástérbeli vektorok) távolsága. Ebből
kiválasztható egy minimális feszítőfa.
Utána: a leghosszabb élek elhagyása
Cluster-keresés minimális feszítőfa módszerrel
![Page 40: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/40.jpg)
A tematikus osztályozás
pontosságvizsgálata
![Page 41: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/41.jpg)
Az osztályozás hibáinak
előrejelzése
![Page 42: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/42.jpg)
A spektrális adatosztályok átfedésének, távolságának mérése, a
tematikus osztályozás hibáinak előrejelzése
Az adatosztályok átfedése, és így az
osztályozási hiba függ:
• az átlagos távolságtól, és
• a szórástól
A clusterek önmagukban nem fednek át!
Minden képpont egyértelműen egy
clusterbe tartozik.
A képpontok eloszlását megadott (pl.
normális) eloszlásokkal közelítjük,
amelyek viszont bizonyos mértékben
átfednek.
![Page 43: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/43.jpg)
A távolságmértékek célja a helyes osztályozás mértékének becslése.
Az átfedések mérésén alapulnak az alábbi távolságdefiníciók:
(p: sűrűségfüggvény; integrálás a teljes intenzitástérre!)
Divergencia:
Probléma, hogy a divergencia tetszőlegesen nagy lehet, viszont az
osztályozás pontosságának van egy felső határa.
Ezért gyakran használt mérték a transzformált divergencia:
Felülről korlátos (<=2): a távolság függvényében telítésbe megy.
• Jeffries-Matusita (JM) távolság:
xdxp
xpxpxplkD
l
k
x
lk )(
)(ln])()([),(
)}8
),(exp(1{*2),(
lkDlkDT
xdxpxplkJ l
x
k
2])()([),(
![Page 44: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/44.jpg)
Egyéb távolságmértékek:
• Bhattacharyya (Jeffries-Matusita, normális eloszlások esetén)
• Mahalanobis (pont és osztály közötti távolság)
Távolságmértékek felhasználása:
• Spektrálisan kiterjedt tematikus osztályok szétbontása alosztályokra
• Tematikus osztályok felépítése spektrális alosztályokból
• Tematikus osztályok keveredésének vizsgálata, hibaelőrejelzés
(ld. a következő diát)
![Page 45: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/45.jpg)
Az osztályozási pontosság és az adatosztályok
távolságának összefüggése. Az elméleti felső
határt a transzformált divergenciából levezetve
kapjuk. Az ábrán látható gyakorlati felső határ
gyakorlati vizsgálat alapján lett megbecsülve,
amelyben 2790 többváltozós, normáleloszlású
eloszláspárokból álló halmazt vizsgáltak.
![Page 46: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/46.jpg)
Az osztályozási eredmény
pontosságvizsgálata
![Page 47: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/47.jpg)
Területi mintavételezés a nagy területek távérzékeléses
megfigyelésében, tanuló- és tesztterületek
• A célkategóriák spektrális jellemzőit egy-egy területi mintából számítjuk.
• Az egyes célkategóriák földfelszíni elemei spektrálisan jelentősen
eltérhetnek.
• Ezek reprezentatívak, ha az összes környezeti tényezőt felölelik.
• A célterület 2-5%-át használjuk referenciaként.
• A referenciaterületek kiválasztása rendkívül fontos és kritikus lépés!
• A referencia-területeket két részre osztjuk: tanuló- és tesztterületek
![Page 48: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/48.jpg)
A tematikus osztályozás pontosságvizsgálata
• A tematikus térképkészítéshez elkerülhetetlenül hozzátartoznak a
tematikus osztályozási hibák!
• Elengedhetetlen az osztályozási pontosság ismerete
• A térképre vitt és bedigitalizált földi referencia-adatok összevetése a
tematikus eredménnyel
• Ebből kapjuk:
1. tévesztési mátrix
2. hibatérkép
![Page 49: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/49.jpg)
• A tévesztési mátrix: fontos eszköz a képelemzésben
Jelkulcs: 1-búzatarló (talaj), 2-búza, 3-kukorica,
4-kukorica, 5-kukorica, 6-kukorica,
7-cukorrépa, 8-település, 9-nem felismert
Osztályozási pontosság vagy tévesztési táblázat egy Landsat MSS képrészlet
osztályozásából
![Page 50: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/50.jpg)
• A tévesztési mátrix: fontos eszköz a képelemzésben
![Page 51: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/51.jpg)
A tematikus osztályozás pontosságvizsgálata
• A tévesztési mátrix
- soraiba a referenciaosztályok (tényleges osztályok) képpontjainak
osztályozás utáni eloszlása kerül
- oszlopai a besorolás eredményeként kialakult osztályok
referenciaosztályok szerinti eloszlását mutatják
(Vagy fordítva, de egy alkalmazáson belül legyünk következetesek!)
- a főátlón kívüli elemek jelzik a hibás besorolást
- a sorok összege a kategória referenciaképpontjainak száma
- az oszlopoké az eredményben megjelenő képpontszám
• A hibatérkép: különböző tónusok jelzik a téves és a jó osztályozásokat.
Gyakran a tematikus osztályozás előkészítésének fogyatékosságait is
megmutatja
![Page 52: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/52.jpg)
A pontosságvizsgálat
speciális kérdései
![Page 53: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/53.jpg)
• Pontosságvizsgálat: csak a képelemenkénti összehasonlítás
alapján.
Nem szabad a tematikus térképkészítésnél az egyes kategóriák
célterületen kapott területének csupán a más forrásból nyert
területértékkel (referencia-adatok területe) összevetni.
Tévesztési mátrix:
•Durva hibát követünk el, ha a pontosságot a sorok és a
megfelelő oszlopok összegének összehasonlításával
helyettesítjük.
•A mátrix összes elemét kell vizsgálni!
•Külön kell tanulmányozni az első- és másodfajú hibákat!
![Page 54: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/54.jpg)
Példa egy nagyon jó és egy nagyon rossz osztályozási
eredményre –
pedig a sorok és az oszlopok összege megegyezik a két esetben!
Ref/
Eredm
Kat1 Kat2 Kat3 Össz Pon-
tosság
Kat1 30 0 0 30 100%
Kat2 0 30 0 30 100%
Kat3 0 0 30 30 100%
Össz 30 30 30 90
Pon-
tosság
100
%
100
%
100
%
100%
Ref/
Eredm
Kat1 Kat2 Kat3 Össz Pon-
tosság
Kat1 10 10 10 30 33,3%
Kat2 10 10 10 30 33,3%
Kat3 10 10 10 30 33,3%
Össz 30 30 30 90
Pon-
tosság
33,3
%
33,3
%
33,3
%
33,3%
![Page 55: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/55.jpg)
•A pontosság-vizsgálatot a tematikus térkép és egy ideális, a
felszín inhomogenitását vissza nem tükröző referenciatérkép
összehasonlításával végezzük el.
• A pontossági/tévesztési táblázatok nemcsak osztályozási hibát,
hanem terepi eltéréseket is tartalmaznak.
• Mást tekintünk hibának egy növénytérképnél,
és mást a növényfejlődés vizsgálatánál, termésbecslésnél
Inhomogenitás miatti átosztályozás:
előbbinél hiba (pl. tévesen meghatározott növényfaj),
utóbbinál plusz információ (pl. gyengébb termés).
![Page 56: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/56.jpg)
Jelkulcs: 1-búzatarló (talaj), 2-búza, 3-kukorica,
4-kukorica, 5-kukorica, 6-kukorica,
7-cukorrépa, 8-település, 9-nem felismert
A tévesztési mátrix, ha a terepi inhomogenitásokat
nem tekintjük osztályozási hibáknak
![Page 57: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/57.jpg)
Az eredeti tévesztési mátrix, ahol a terepi inhomogenitásokat
osztályozási hibáknak tekintjük
Jelkulcs: 1-búzatarló (talaj), 2-búza, 3-kukorica,
4-kukorica, 5-kukorica, 6-kukorica,
7-cukorrépa, 8-település, 9-nem felismert
![Page 58: Távérzékeltfelvételek kiértékelése, a képelemzés feladata ... · Felvételek feldolgozása: Előfeldolgozás és képelemzés (képanalízis) Előfeldolgozás: - digitális](https://reader030.vdocuments.mx/reader030/viewer/2022040118/5e2335bf10156f3597679fd8/html5/thumbnails/58.jpg)
• A földhasználati tematikus térképekről többféle módon is el lehet távolítani a
kategóriák tartományában lévő pontonkénti inhomogenitásokat:
- vizuális áttekintéssel a legtöbb esetben kiszűrhetők az elszórt
inhomogenitások
- számítógéppel segített utófeldolgozási, tematikus szűrési
módszerek
A 2. esetben a pontonkénti tematikus osztályozás után végrehajtható egy
környezetfüggő tematikus újraosztályozás az elszórt hibák csökkentésére.