В онлайне: 1 (гостей - 1, участников - 0)  Вход | Регистрация

 

УДК 528.8

Пространственный анализ результатов оценки достоверности автоматизированного дешифрирования мультиспектральных космических снимков

 

Волошина М.В., старший преподаватель

Полоцкий государственный университет, Беларусь

 

Обсуждаются возможности использования пространственного анализа результатов оценки достоверности карты классификации для целей оценки достоверности, а также улучшения результатов классификации многозональных космических снимков.

 

Оценка достоверности результатов автоматизированного дешифрирования (классификации) мультиспектральных космических снимков традиционно представлена:

- визуальным анализом результатов классификации (качественная оценка),

- статистическими показателями, получаемыми по элементам матрицы ошибок (количественная оценка).

Однако, матрица ошибок не дает пространственной оценки достоверности классификации космического снимка.

Оценка достоверности результатов выявления изменений по разновременным космическим снимкам также основана на применении вышеупомянутых двух подходов, однако имеет свои особенности, выражающиеся, в большей комплексности процедуры оценки достоверности результатов выявления изменений по сравнению с оценкой достоверности одиночного снимка

Центральным моментов в процедуре оценки достоверности с помощью статистических показателей является контрольная выборка точек (пикселов), используемая для получения матрицы ошибок. Диагональные элементы матрицы ошибок характеризуют верно классифицированные пикселы, а недиагональные элементы характеризуют ошибки пропуска и ложные включения для каждого из классов [1]. К показателям контрольной выборки (количество контрольных точек (общее и по классам), схеме размещения и т.п.) не устанавливается строгих требований, поэтому результаты оценки достоверности могут несколько варьироваться и способствовать необъективности результатов оценки достоверности.

Однако, применяя операции пространственного анализа над результатами классификации и оценки достоверности по контрольным точкам, возможно получение пространственных характеристик оценки достоверности: визуализация несоответствий между классами контрольных данных и карты классификации, пространственное размещение точек (участков) несоответствия классов, пропусков и ложных включений, а также величин ошибок для отдельных классов (например, ошибки пропуска, ложного включения между классами «лес хвойный» и «лес смешанный» может рассматриваться как менее грубая, чем между классами «лес хвойный» и «водоемы»).

Кроме того, при выполнении автоматизированного дешифрирования дешифровщик редко ограничивается одним результатом автоматизированного дешифрирования. Как правило, для уточнения, повышения достоверности результатов классификация выполняется несколько раз, с использованием разных методов, алгоритмов, данных, применяются гибридные методы, результаты дешифрирования уточняются и в качестве окончательного принимается лучший с точки зрения визуальной и статистической оценки достоверности результат. При этом, как правило, результаты дешифрирования анализируется по отдельности.

Однако, если предположить соблюдение основных требований, рекомендаций к выполнению процедуры классификации, применению конкретных алгоритмов классификации, учитывая получение приемлемо высокого результата оценки достоверности для нескольких единичных результатов классификации, то вместо выбора одного результата классификации и отбраковки остальных, также представляющих приемлемо высокий результат, возможен совместный пространственный анализ результатов классификаций и совместный пространственный анализ результатов оценки достоверности по контрольным точкам [2].

Сравнительный анализ можно выполнять по аналогии с постклассификационным методом выявления изменений, только в качестве исходных данных применять не карты на определенные даты, а карты классификаций одного снимка, используя разные алгоритмы и/или данные и т.п. и таким образом выполнить совместный пространственный анализ результатов  классификаций по датам и по контрольным точкам, количественную оценку участков несоответствий, выявить участки, требующие уточнения при полевом контроле, а также улучшить отдельные результаты классификации, направив усилия на исправление ошибок.

При оценке достоверности результатов выявления изменений по многозональным космическим снимкам также возможно получение пространственных характеристик оценки достоверности, как для одиночного результата выявления изменений, так и совместного анализа результатов выявления изменений путем индикации участков, требующих уточнения. Однако следует учесть большую комплексность процедуры оценки достоверности результатов выявления изменений.

Таким образом, матрица ошибок на протяжении последних десятилетий используется для оценки достоверности результатов автоматизированного дешифрирования, выявления изменений. Обладая рядом преимуществ, она не является пространственной характеристикой достоверности результатов автоматизированного дешифрирования. Пространственный анализ оценки достоверности по контрольным точкам, а также совместных анализ результатов классификации позволит привлечь дополнительную пространственную характеристику оценки достоверности результата автоматизированного дешифрирования, применения алгоритма классификации и т.п., а также выявления изменений.

 

Библиографический список.

  1. Jensen J.R. Introductory Digital Image Processing: a remote sensing perspective. - 3rd edition. - 2005. – Pearson Prentice Hall. - с. 467 – 494.
  2. Волошина М.В. К вопросу пространственной характеристики оценки достоверности результатов автоматизированного дешифрирования космических снимков // Материалы межд. науч.-техн. конф. «Геодезия, картография, кадастр, ГИС – проблемы и перспективы развития». - Новополоцк, 9-10 июня 2016. – Новополоцк, 2016. - Часть 1, с. 211-214.

 

Разделы конференции »

  1. Государственный кадастр недвижимости и земельно-имущественные отношения
  2. Мониторинг природных ресурсов и охрана окружающей среды
  3. Комплексное использование природных ресурсов
  4. Современные вопросы геологии
  5. Физика горных пород
  6. Новые технологии в природопользовании
  7. Применение современных информационных технологий
  8. Экономические аспекты недвижимости
  9. Мониторинг использования объектов недвижимости
  10. Топографо-геодезическое обеспечение кадастровых работ

 

Проекту Kadastr.ORG требуются средства на хостинг и развитие

Сумма: руб.