Один пиксель снимка может отображать от нескольких квадратных метров до тысяч квадратных метров поверхности Земли, и содержать информацию не об одном объекте, а о группе объектов, которые расположены на соответствующей территории.
Метод спектрального разделения применяют для распознавания на снимках объектов, размер которых значительно меньше размера пикселяя.
Суть метода состоит в следующем: смешанные спектры анализируют, сравнивая их с известными чистыми спектрами, например, из спектральных библиотек чистых материалов. Происходит количественная оценка соотношения данного известного (чистого) спектра и примесей в спектре каждого пиксела. После выполнения такой оценки может быть получено изображение, раскрашенное так, что цвет пиксела будет означать, какой компонент преобладает в спектре это пиксела.
Классификации.
Классификация - это компьютерное дешифрирование снимков или процесс автоматизированного подразделения всех пикселов снимка на группы (классы), которые соответствуют разным объектам.
Существуют разные виды классификаций:
· Классификация с обучением;
· Классификация без обучения.
Классификация с обучением - это процесс, при котором происходит сравнение значения яркости каждого пиксела с эталонами, в результате, каждый пиксел относится к наиболее подходящему классу объектов.
Классификацию с обучением можно применять, если:
· заранее известно, какие объекты есть на снимке;
· на снимке имеется небольшое количество (до 30) классов;
· эти классы четко различаются на снимке.
Процесс классификации с обучением включает в себя несколько этапов.
Этапы классификации с обучением:
· определение задач обработки снимка и выбор способа классификации;
· выбор эталонных участков;
· проведение классификации и оценка качества результатов.
На рисунке изображены этапы получения и обработки мультиспектральных изображений.
Определение задач обработки снимка и выбор способа классификации.
На данном этапе обработки снимка нужно:
1. Определить список дешифрируемых объектов, оценить характер распределения значений яркости этих объектов:
а) на снимке;
На рисунке изображены спектральные кривые трех объектов, кривые красного и синего объекта имеют схожую форму и сильно отличаются по значениям яркости, в то время как синий и зеленый объекты имеют близкие значения яркости и сильно различаются по форме.
б) в пространстве спектральных признаков;
На рисунке характер распределения значений яркости в пространстве спектральных признаков, области значений яркости красного и зеленого объектов имеют изометричную форму и не пересекаются с другими, области оранжевого и синего цвета пересекаются и имеют сложную форму.
1. Выбрать способ классификации, или правило, в соответствии с которым, будет осуществляться распределение пикселов изображения на классы:
Способ спектрального угла.
Способ спектрального угла дает хорошие результаты, когда нужно провести классификацию для объектов, которые имеют схожие значения яркости во всех спектральных диапазонах. Кроме того, поскольку этот способ не учитывает значения яркости пикселов, то на результаты не влияют и эффекты засветки снимков.
При классификации способом спектрального угла:
1) предварительно создают эталонные участки;
2) все пикселы снимка, в том числе и эталонные, рассматривается как векторы в пространстве
спектральных признаков;
3) задается максимально допустимый спектральный угол, то есть, если угол между эталонным вектором и вектором пиксела, который подвергается классификации меньше максимального, то этот пиксел относится к данному классу, если больше - не относится.
Примечание: классы, полученные способом спектрального угла, зависят от угла между векторами яркости пикселов и не зависят от длины вектора (значения яркости).