|
|
Oefening 2: Lavadetectie met behulp van gecontroleerde classificatie  Gecontroleerde classificatie: Hier komen we te weten hoe we een semi-automatische classificatie uitvoeren om lava en veranderingen in een vulkaan te detecteren. De resultaten van de classificatie zijn gebaseerd op het verschil in de spectrale reactie van de waargenomen kenmerken (bijv. vegetatie, stedelijk gebied, lava, braakliggend land) in verschillende spectrale banden.
Voor een gecontroleerde classificatie is menselijke input nodig. Daarom moeten er trainingsvelden worden getekend om de software te trainen in het herkennen van pixelwaarden die bij bepaalde klassen horen. De software wijst elke pixel aan een bepaalde klasse toe en maakt de classificatie volgens het algoritme van Maximale Waarschijnlijkheid (zie Handleiding vanaf pag. 52). Definitie van klassen: Bepaal eerst waar je je op wilt richten. Als je verschillende soorten vegetatie wilt classificeren, moeten de trainingsvelden anders worden gekozen dan wanneer je lava van vegetatie of andere kenmerken wilt onderscheiden. Deze oefening heeft twee doelen:
Wolken zijn een groot probleem bij het uitvoeren van classificatie van optische beelden. Dat geldt ook voor wolkenschaduwen, die in sommige banden kunnen worden aangezien voor andere kenmerken of 'donkere' waarden (bijv. lava). Er zijn twee manieren om wolken en schaduwen weg te filteren: 1) door het maken van een wolkenmasker (automatisch maskeren wordt gedaan door een drempel of classificatie-algoritme toe te passen en/of door handmatig te digitaliseren en vervolgens de betreffende pixeldelen uit de afbeelding te snijden) of 2) door een specifieke klasse voor wolken en schaduwen te maken (zoals in het geval van de afbeelding uit 2001). De voorgedefinieerde klassen zijn:
Last update: 30 mei 2013
| ||||||||||||||||||||||||||||||||||||||
1