Extragerea informațiilor

spațiale din imaginile satelitare

ANUL II, STIINTA MEDIULUI

MARINA-RAMONA RUJOIU-MARE
 Clasificările de pixeli

 Def. Tehnici cantitative de grupare automată a

pixelilor pe clase, în funcție de signatura spectrală a
acestora, cu scopul de a extrage datele spațiale din
imaginile de teledetecție
 Importanța clasificarilor

 Extragerea datelor geografice

 Harti tematice / straturi tematice
 Rețeaua de așezări;

 Utilizarea terenurilor;

 Zone afectate de inundații / incendii, etc.;

• Integrarea datelor în SIG

 Tipuri de clasificări ale imaginilor

 Clasificarea nesupervizată
 Clasificarea supervizată / dirijată
 Clasificarea orientată-obiect
 1. Clasificarea nesupervizată

 Pixelii sunt grupați în funcție de reflectanță;

 Aceste grupări se numesc clustere;
 Analistul specifică numărul de clustere și benzile de
input pentru clasificare.
 Cu aceste informații, software-ul generează
clusterele.
 2 algoritmi: ISOdata, K-means
Avantaje:
•Nu necesită cunoștințe despre regiunea analizată
•Erorile umane sunt minimizate
•Pixelii sunt separați din punct de vedere spectral
•Analistul are control asupra numărului de clase,
iterații, etc.

Dezavantaje:
Clasele obținute nu reflectă cu precizie categoriile din
teren
Control limitat asupra identității claselor
Proprietățile spectrale ale claselor se pot modifica în
timp
 2. Clasificarea supervizată

 Analistul selectează mostre/ eșantioane

reprezentative de pixeli pentru fiecare clasă de
acoperire a terenurilor. Aceste eșantioane poartă
denumirea de training set.
 Software-ul utilizează aceste training sets pentru
identifica în imagine clasele de acoperire a
terenurilor. Efectiv, fiecare pixel din imagine este
atribuit unei clase, in funcție de opțiunile alese
de analist.
 Clasificarea acoperirii terenurilor se bazează pe
signatura spectrală a obiectelor.
Clasificările supervizate
• Avantaje:
 Control asupra identității claselor
 Clase specifice cu anumite identități
 Clasele obținute reflectă categoriile din teren
 Pot fi detectate erorile de clasificare

• Dezavantaje:
 Analistul impune clasificarea
 Regiunile de interes sunt în general relaționate cu
informația din teren și nu cu proprietățile spectrale
 Regiunile de interes posibil să nu fie reprezentative
 Obținerea regiunilor de interes solicită timp
Algoritmul paralelipipedului
Algoritmul distanței minime
Algoritmul Probabilității Maxime

1
B
a
n
d Curbe de echiprobabilitate
a

2 2

© Lillesand 2004

Banda 1
 3. Clasificarea orientată-obiect

 Este diferită de cele anterioare deoarece generează

obiecte cu diferite forme și dimensiuni. Acest proces
este numit multi-resolution segmentation.
Acesta produce obiecte omogene de imagine prin
gruparea pixelilor.
 Aceste obiecte pot fi clasificate bazându-se pe
textură, context și geometrie.
 Care tip de clasificare este potrivit?

 Rezoluția spațială a imaginilor este importantă în

alegerea metodei de clasificare.
 Imagini cu rezoluție spațială medie sau mică:
pixelii și obiectele apar la scări similare – pot fi folosite
atât clasificările bazate pe obiecte, cât și cele bazate pe
pixeli.
 Imagini cu rezoluție spațială mare – cea mai mare
acuratețe o au clasificările orientate-obiect.
 Sursa imaginilor

 1. Blaschke T, 2010, Object based image analysis for

remote sensing. ISPRS Journal of Photogrammetry
and Remote Sensing 65 (2010) 2–16
 2. Iosub F, 2012, Extragerea informației spațiale din
imagini satelitare, folosind clasificările supervizate și
nesupervizate, Seminariile geo-spatial.org, Timișoara