Oefening 4 – Pokhara-gebied - Vervolg
|  | Pokhara is de hoofdstad van het Nepalese district Kaski | |
Ongecontroleerde classificatie
Het doel van de volgende oefeningen is om meer over het Pokharagebied te weten te komen met behulp van beeldclassificatie. Misschien denk je dat je alleen maar een knop hoeft in te drukken, maar zo werkt het niet. Dit vergt onderzoek, kennis en nauwkeurigheid.
Bij de volgende oefeningen passen we verschillende classificatiemethoden toe. Het doel is om de principes van beeldclassificatie te begrijpen en de resultaten van de verschillende methoden met elkaar te vergelijken.
Classificatie is een heel handig instrument om informatie te verkrijgen voor planning, controle en vernieuwen van landkaarten. Het is een redelijk goedkope en gemakkelijke manier om informatie te verkrijgen over landbedekking, landgebruik en veranderingen in het land, vooral in afgelegen of ontoegankelijke gebieden.
Maar ook in bekende stukken van de wereld zijn satellietbeelden onderdeel van ons dagelijks leven. Satellietbeelden en classificatiekaarten worden ook in de cartografie gebruikt. Denk maar eens aan hoe nauwkeurig de grenzen van bossen in topografische kaarten zijn getekend. Die informatie komt van satellietbeelden en het resultaat van de beeldverwerking daarvan.
Elke digitale classificatie, of die nu gecontroleerd of ongecontroleerd is, is alleen maar een basis voor verdere aanpassing. Zonder handmatige invoer kan er geen nauwkeurige en bruikbare classificatie worden geproduceerd. De informatieverwerking die door de menselijke hersenen wordt uitgevoerd maakt het mogelijk om complexere procedures toe te passen dan een computerprogramma kan uitvoeren. Er zijn een heleboel complexe relaties tussen verschillende soorten oppervlakken die niet door spectrale of geometrische verschillen worden gedekt.
Een relatief eenvoudige classificatiemethode is Ongecontroleerde classificatie. Alle pixels in een afbeelding worden gegroepeerd in een bepaald aantal klassen op basis van de gelijkheid van hun zwart-witwaarden.
Open de volgende afbeeldingen in LEOWorks:
anapurna_landsat_2000_SE_band_2.tif
anapurna_landsat_2000_SE_band_3.tif
anapurna_landsat_2000_SE_band_4.tif
Selecteer Multivariabele analyse>Ongecontroleerde classificatie en selecteer de afbeeldingen:
anapurna_landsat_2000_SE_band_2.tif
anapurna_landsat_2000_SE_band_3.tif
anapurna_landsat_2000_SE_band_4.tif
Vul 7 in bij Aantal klassen en 10 bij Aantal iteraties. De procedure wordt uitgevoerd voor het gegeven aantal iteraties of totdat aan een voorwaarde is voldaan. Sla de nieuwe afbeelding in de map Annapurna op als Pokhara_432_2000_unsupervised, in TIFF-formaat.
LEOWorks wijst willekeurig kleuren aan de klassen toe. De volgende stap is daarom het veranderen van de kleuren zodat ze meer op hun ‘echte’ kleur lijken. Dubbelklik op de LUT-balk onderaan het beeldframe. Selecteer een kleur in het pop-up menu en verander de kleur door de RGB-schuiven te verplaatsen. Kies voor vegetatie een groene kleur, voor kale grond beige enzovoort. Als je alle kleuren hebt veranderd bewaar je de afbeelding weer.
Kijk naar de geclassificeerde afbeelding en vergelijk deze met de afbeelding met bijna ware kleuren en de infraroodafbeelding met valse kleuren.
Welke kenmerken zijn goed te zien?
Welke zijn nogal onduidelijk getoond?
Verklaar de redenen voor deze onjuistheden.
Probeer andere ongecontroleerde classificaties met verschillende spectrale banden, bijvoorbeeld 1,4,7 of 1,2,3,4,5,7. Vergelijk de verschillende classificatieresultaten.
Welke kenmerken veranderen en welke blijven hetzelfde?
| 
