Upload
edgard-fredy-mamani-cosi
View
49
Download
5
Embed Size (px)
Citation preview
Exploración de métodos de clasificación no supervisada
La clasificación no supervisada se puede utilizar para agrupar píxeles en un conjunto de datos
basado en las estadísticas únicamente, sin
las clases de formación definidos por el usuario. Las técnicas de clasificación no supervisadas
disponibles son K-medias y
ISODATA.
La aplicación de la Clasificación de K-medias
K-Means clasificación no supervisada calcula clase inicial significa uniformemente distribuidos
en el espacio de datos, a continuación, agrupa de forma iterativa los píxeles en la clase más
cercana utilizando una técnica de mínima distancia. Cada iteración recalcula medios de clase y
reclasifica píxeles con respecto a los nuevos medios. Todos los píxeles se clasifican en la clase
más cercana, a menos que se especifique un umbral de desviación o distancia estándar, en
cuyo caso algunos píxeles pueden ser clasificados si no cumplen con los criterios
seleccionados. Este proceso continúa hasta que se alcanza el número de píxeles en cada uno
de los cambios de clase por menos que el umbral de cambio de los píxeles seleccionado o el
número máximo de iteraciones.
1. Desde la barra de ENVI clásico menú principal, seleccione Clasificación> No Supervisado> K-
medias o revisar los resultados pre-calculados de la clasificación de la imagen al abrir el archivo
en el directorio can_km.img can_tm.
2. Seleccione el archivo can_tmr.img y haga clic en Aceptar. Aparecerá el cuadro de diálogo
Parámetros de K-medias.
3. Acepte los valores predeterminados, seleccione el botón de memoria y haga clic en
Aceptar. La nueva banda se carga en la lista de bandas disponibles.
4. Desde la lista de bandas disponibles, haga clic en el botón Mostrar # 1 y seleccione
Nueva pantalla.
5. Desde la lista de bandas disponibles, seleccione la banda de K-medias y haga clic en
Load Band.
6. Desde la barra de menú Display grupo, seleccione Herramientas> Enlace> Enlace
Muestra continuación, haga clic en Aceptar para vincular las imágenes.
7. Compare el resultado de la clasificación de K-medias a la imagen de color compuesto
utilizando la función de superposición dinámica ENVI Classic (haga clic con el botón
izquierdo del ratón en la ventana de imagen).
8. Desde la barra de menú Display grupo, seleccione Herramientas> Link> Desvincular
Display para eliminar el enlace y desactivar la función de superposición dinámica.
9. Si lo desea, experimente con diferentes números de clases, cambio umbrales,
desviaciones estándar, y los valores de error máximo de distancia para determinar su
efecto en la clasificación.
La aplicación de la Clasificación ISODATA
ISODATA clasificación no supervisada calcula clase significa uniformemente distribuido en el
espacio de datos a continuación, agrupa de forma iterativa los píxeles restantes mediante
técnicas de mínima distancia. Cada iteración recalcula medios y reclasifica píxeles con respecto
a los nuevos medios. Este proceso continúa hasta que se alcanza el número de píxeles en cada
uno de los cambios de clase por menos que el umbral de cambio de los píxeles seleccionado o
el número máximo de iteraciones.
1. Desde la barra de ENVI clásico menú principal, seleccione Clasificación> No Supervisado>
IsoData o revisar los resultados pre-calculados de la clasificación de la imagen al abrir el
archivo en el directorio can_iso.img can_tm.
2. Seleccione el archivo can_tmr.img y haga clic en Aceptar. Aparecerá el cuadro de diálogo
Parámetros ISODATA.
3. Acepte los valores predeterminados, seleccione el botón de memoria y haga clic en Aceptar.
La nueva banda se carga en la lista de bandas disponibles.
4. Desde la lista de bandas disponibles, haga clic en el botón Mostrar # 2 y seleccione Nuevo
Display.
5. Seleccione la banda ISODATA y haga clic en Load Band.
6. Desde la barra de menú Display grupo, seleccione Herramientas> Link> Enlace Displays.
Aparecerá el cuadro de diálogo Enlace Displays.
7. Haga clic en el botón Mostrar # 2 de palanca para seleccionar No y haga clic en el botón
Mostrar # 3 de palanca para seleccionar
Sí. Haga clic en Aceptar para unir las imágenes.
8. Compare el resultado de la clasificación ISODATA a la imagen de color compuesto utilizando
la función de superposición dinámica ENVI Classic (haga clic con el botón izquierdo del ratón
en la ventana de imagen).
9. Desde la barra de menú Display grupo, seleccione Herramientas> Desvincular Displays.
10. Desde la barra de menú Display grupo, seleccione Herramientas> Link> Enlace Displays.
Aparecerá el cuadro de diálogo Enlace Displays.
11. Haga clic en el botón Mostrar # 1 de palanca para seleccionar No, y asegurarse de que la
pantalla # 2 y # 3 Display
botones de alternancia que sí. Haga clic en Aceptar para vincular y comparar los medios-K e
imágenes ISODATA.
12. Si lo desea, experimente con diferentes números de clases, cambio umbrales, desviaciones
estándar, error máximo de distancia, y los valores característicos de píxeles de clase para
determinar su efecto en la clasificación.
13. Desde la barra de menú de grupo de visualización de la ventana de la imagen de K-medias,
seleccione Archivo> Cancelar para cerrar el grupo de presentación. Cierra el grupo de
presentación ISODATA utilizando la misma técnica.
Exploración de métodos de clasificación supervisada
Clasificación supervisada se puede utilizar para agrupar píxeles en un conjunto de datos en las
clases correspondientes a las clases de formación definidos por el usuario. Este tipo de
clasificación requiere la selección de áreas de entrenamiento para su uso como base para la
clasificación. Varios métodos de comparación se usan entonces para determinar si un píxel
específico califica como un miembro de la clase. ENVI Classic ofrece una amplia gama de
diferentes métodos de clasificación, incluyendo paralelepípedo, Distancia mínima,
Mahalanobis distancia, máxima verosimilitud, espectral Angle Mapper, codificación binaria, y
red neuronal. En este tutorial, experimentar con dos métodos para la selección de áreas de
entrenamiento, también conocidas como regiones de interés (ROI).
Selección de Conjuntos de Entrenamiento Usando Regiones de Interés (ROI)
ENVI Classic le permite definir regiones de interés (ROI) por lo general se utilizan para extraer
las estadísticas de la clasificación, el enmascaramiento, y otras operaciones. A los efectos de
este ejercicio, puede usar ROI predefinidos o crear el suyo propio. En este ejercicio, vas a
restablecer predefinido ROI.
1. Desde el bar # 1 Pantalla Grupo de menús, seleccione Herramientas> Región de Interés>
Herramienta de ROI. Aparecerá el cuadro de diálogo Herramienta de ROI.
2. Desde la barra de menú de diálogo Herramienta de ROI, seleccione Archivo> Restaurar ROI.
Aparece el diálogo Enter ROI nombres de archivo.
3. Seleccione el archivo classes.roi y pulse Abrir. Haga clic en Aceptar. Las regiones de interés
aparecen en la ventana de imagen.
La aplicación de la Clasificación Parallelepiped
Clasificación según paralelepípedos utiliza una regla de decisión sencilla para clasificar los
datos multiespectrales. Los límites de decisión forman un paralelepípedo clasificación n-
dimensional en el espacio de los datos de imagen. Las dimensiones de la clasificación de
paralelepípedo se definen sobre la base de un umbral de la desviación estándar de la media de
cada clase seleccionada. Si un valor de píxel se encuentra por encima del umbral bajo y por
debajo del umbral alto para todos los n bandas están clasificadas, se le asigna a esa clase. Si el
valor del pixel cae en múltiples clases, ENVI Classic asigna el píxel a la última clase coincidente.
Las áreas que no corresponden a ninguna de las clasificaciones paralelepípedos se designan
como no clasificados.
1. Desde la barra de ENVI clásico menú principal, seleccione Clasificación> Supervisado>
paralelepípedo, o revisar los resultados pre-calculados de la clasificación de la imagen al abrir
el archivo en el directorio can_pcls.img can_tm.
2. Seleccione el archivo can_tmr.img y haga clic en Aceptar. Aparecerá el cuadro de diálogo
Parámetros de paralelepípedo.
3. Haga clic en el botón Seleccionar todos los elementos para seleccionar las regiones de
interés.
4. Seleccione esta opción para enviar el resultado a la memoria utilizando el botón de opción
previsto.
5. Haga clic en la regla de salida Imágenes botón de desplazamiento para seleccionar No y, a
continuación, haga clic en Aceptar. La nueva banda se carga en la lista de bandas disponibles.
6. Desde la lista de bandas disponibles, haga clic en el botón Mostrar # 1 y seleccione
Nueva pantalla.
7. Seleccione la banda paralela y haga clic en Load Band.
8. Desde la barra de menú Display grupo, seleccione Herramientas> Link> Enlace
pantallas y haga clic en Aceptar en el cuadro de diálogo para enlazar las imágenes.
9. Utilizar la vinculación de imágenes y superposición dinámica para comparar esta
clasificación para la imagen de la composición de color.
La aplicación de la Clasificación de máxima verosimilitud
Clasificación de máxima verosimilitud supone que las estadísticas de cada clase en cada
banda tienen una distribución normal y calcula la probabilidad de que un píxel dado
pertenece a una clase específica. A menos que se selecciona un umbral de probabilidad,
todos los píxeles se clasifican. Cada píxel se le asigna a la clase que tiene la
probabilidad más alta (es decir, la probabilidad máxima).
1. Uso de los pasos anteriores como una guía, realizar una clasificación de máxima
probabilidad.
2. Trate de usar los parámetros por defecto y varios umbrales de probabilidad.
3. Utilice la vinculación de imágenes y superposición dinámica para comparar esta
clasificación a la imagen compuesta en color y las clasificaciones no supervisadas y
vigiladas anteriores.
Aplicando mínima Clasificación Distancia
La clasificación mínima distancia utiliza los vectores medios de cada retorno de la
inversión y calcula la distancia euclidiana de cada píxel desconocido para el vector
medio para cada clase. Todos los píxeles se clasifican en la clase del ROI más cercano a
menos que el usuario especifica la desviación estándar o umbrales de distancia, en cuyo
caso algunos
píxeles pueden ser clasificados si no cumplen con los criterios seleccionados.
1. Uso de los pasos anteriores como una guía, realizar una clasificación Distancia
mínima.
2. Trate de usar los parámetros por defecto y diversas desviaciones estándar y los
errores de distancia máxima.
3. Utilice la vinculación de imágenes y superposición dinámica para comparar esta
clasificación a la imagen compuesta en color y las clasificaciones no supervisadas y
vigiladas anteriores.
La aplicación de Mahalanobis Distancia Clasificación
La clasificación de Mahalanobis distancia es una dirección clasificador sensible a la
distancia que utiliza las estadísticas para cada clase. Es similar a la clasificación de
máxima probabilidad, pero asume todas las covarianzas de clase son iguales y por lo
tanto es un método más rápido. Todos los píxeles se clasifican en la clase ROI más
cercano a menos que especifique un umbral de distancia, en cuyo caso algunos píxeles
pueden ser clasificados si no cumplen con el umbral.
1. Uso de los pasos anteriores como una guía, realizar una clasificación de Mahalanobis
Distance.
2. Trate de usar los parámetros por defecto y varios errores de distancia máxima.
3. Utilice vinculación de imágenes y superposición dinámico para comparar esta
clasificación a la imagen de color compuesto y clasificaciones supervisadas y no
supervisadas anteriores.
4. Cuando haya terminado, cierre todos los grupos de presentación de la clasificación.
Classification
Method
Rule Image Values
Parallelepiped Número de bandas que cumplan los criterios de paralelepípedos
Distancia mínima suma de las distancias desde los medios de clase
máxima Verosimilitud Probabilidad de píxel perteneciente a la clase
Distancia de Mahalanobis Distancias desde el medio de la clase
codificación binaria Partido binario en porcentaje