17205

Посткласифікаційна обробка зображень. Робота із векторними шарами

Лабораторная работа

География, геология и геодезия

Лабораторна робота №5. Посткласифікаційна обробка зображень. Робота із векторними шарами В даній лабораторній роботі ми розглянемо роботу із класифікованими зображеннями їх перевірку покращення та експорт у векторний формат. Тестування правильності класифікаці...

Украинкский

2013-06-30

2.66 MB

3 чел.

Лабораторна робота №5. Посткласифікаційна обробка зображень. Робота із векторними шарами

В даній лабораторній роботі ми розглянемо роботу із класифікованими зображеннями, їх перевірку, покращення та експорт у векторний формат.

Тестування правильності класифікації за допомогою контрольних зразків

Відкриємо вихідний супутниковий знімок for_classification.tif та результат його класифікації classified1_min_dist.img, виконаний на минулій лабораторній роботі  (рис. 5.1)

Рис. 5.1. Вихідні файли для роботи

Нагадаємо, що класифікація була проведена за наступними класами (збережені у 5-class-train.roi) (рис. 5.2.):

  •  Вода (Water) – червоний колір;
  •  Трава (Grass) – зелений колір;
  •  Ліс (Forest) – синій колір;
  •  Міська забудова (Urban) – жовтий колір;
  •  Грунт (Dirt) – блакитний колір

Рис. 5.2. Області-зразки класів

 Проведемо автоматичну перевірку правильності класифікації за допомогою тестових зразків. 

 Для цього створимо області-зразки за допомогою ROI Tool (Basic Tools/Region of Interest/ROI Tool). Обираємо тип області – Polygon або Rectangle, вікно, в якому будемо малювати область (Image, Scroll або Zoom). За допомогою лівої кнопки миші обводимо потрібну область, за допомогою кліку правою кнопкою в середині області – заповнюємо її. Після того, як потрібні обєкти 1-го типу обрано, створюємо нову область за допомогою New Region та задаємо обєкти другого типу.

 Важливо! Області для перевірки повинні мати ті ж самі імена, що і області, за якими було здійснено класифікацію.

Зберігаємо отримані обєкти File/Save ROIs...у файлі 5-class-train.roi (рис. 5.3)

Рис. 5.3. Тестові зразки

Будуємо матрицю невідповідностей Classification/Post Classification/Confusion Matrix/Using Ground Truth ROIs (рис. 5.4)

Рис. 5.4. Побудова матриці невідповідностей

Обираємо файл-результат класифікації (у нашому випадку classified1_min_dist.img). Зявиться вікно Match Classes Parameters (рис. 5.5). Якщо ви правильно задали імена класів при створенні  тестових ROI, то відповідність класів буде визначена автоматично. Якщо ж ні, то потрібно вручну задати однакові класи. Натискаємо ОК в цьому та наступному вікнах.

Рис. 5.5 Відповідність класів

З`явиться вікно матриці невідповідностей (рис. 5.6.) Тут можна подивитись, наскільки точно зійшлися тестові зразки із результатами класифікації взагалі(Overall Accuracy), побачити статистику по окремих класах у абсолютних величинах (пікселі) та відносних (відсотки).

Рис. 5.6. Матриця невідповідностей

 Також можно побудувати робочу характеристичну криву (ROC curve – receiver operating characteristic), що показує взаємозалежність вірно та невірно класифікованих об`єктів.

 Для цього виберемо Classification /Post Classification / ROC Curves /Using Ground Truth ROIs.

У вікні, що з`явилося, обираємо файл із базою правил classified1_rules_min_dist.img, який ми зберігали на минулій лабораторній роботі разом із результатом класифікації. Далі обираємо відповідність класів. У наступному вікні (рис. 5.7) вводимо:

  •  Classify – Minimum Value для класифікаторів типу Minimum  distance or SAM classifier, Maximum Value для іншіх класифікаторів(наприклад для класифікатора за найбільшою подібністю Maximum Likelihood);
  •  Min = 0,  Max  = 100;  
  •  Points per ROC Curve – 70. Це поле визначає кількість точок, за якими будується крива. Чим більше – тим крива гладше та тим довше вона будується.

Рис. 5.7. Параметри робочої характиристичної кривої

Натискаємо ОК та отримуємо графіки, показані на рис. 5.8.

Рис. 5.8. Робоча характеристична крива класифікатора

Ідеальна крива представляє собою східчасту функцію (step). Чим ближча крива до «сходинки», тим краща класифікація. Кольори, що використані на графіку за замовченням не співпадають із кольорами класів.

Тепер спробуємо покращити результати класифікації за допомогою інструментів пост-обробки.

Корегування зразків для класифікації

 В головному меню обираємо Classification/Post Classification/Rule Classifier. В діалоговому вікні вибору файлів обираємо файл із базою правил classified1_rules_min_dist.img, який ми зберігали на минулій лабораторній роботі разом із результатом класифікації.

 У вікні, що з`явиться підбираємо значення порогу (Thresh) таким чином, щоб результат класифікації максимально відповідал дійсності (рис. 5.9)

Рис. 5.9. Налаштування правил класифікації

Результат зберігаємо в окремий файл classified2_min_dist.img

Корекція класифікованого зображення

Majority/Minority Analysis

Якщо в середині області якого-небудь із класів є паразитні пікселі іншого класу, їх можна відфільтрувати за допомогою інструмента majority analysis. Обираємо у головному меню Classification/Post Classification/Majority/Minority Analysis (рис. 5.10)

Рис. 5.10 Majority/Minority Analysis

 Принцип роботи

При виборі majority analysis, клас центрального пікселя ядра(kernel) заміщується значенням класу більшості пікселів ядра. При виборі minority analysis, клас центрального пікселя ядра(kernel) заміщується значенням класу меншості пікселів ядра.

Розмір ядра має бути непарним. Ядро не є обовьязково квадратом. Параметр center pixel weight визначає за скільки пікселів буде пораховано центральний піксель. Наприклад, при значенні 5, клас середнього пікселя буде вразований 5 разів. На рис. 5.11 показано приклад застосування Majority/Minority Analysis із розміром ядра 7х7.

Рис. 5.11. Результат застосування Majority/Minority Analysis. Ліворуч вихідний файл, по центру – Minority Analysis, праворуч – Majority Analysis.

 

Редагування кольорів класів

Для задання довільного кольору для класу, натискаємо Tools/Color Mapping/Class Color Mapping у вікні Main Image Display. Обравши потрібний клас, задаємо за допомогою повзунків R, G, B колір. Для збреження результату, обираємо File/Save Changes.


Створення векторної карти за даними класифікації

Для створення векторної карти обираємо в головному меню Classification/Post Classification/ Classification to Vector та обираємо файл класифікації classified1_min_dist.img.

У діалоговому вікні (рис. 5.12) обираємо всі класи, задаємо режим одін шар на клас (One Layer per Class) та зберігаємо результат у файл vector_classified.evf.

Рис. 5.12. Параметри створення векторних шарів

Тепер відкриється вікно векторних шарів (рис. 5.13).

Рис. 5.13. Відкриття векторних шарів

Завантажуємо векторні шари в Display #1 (рис. 5.14)

Рис. 5.14. Поєднаня векторних та растрового шарів

Input files:

for_classification.tif 

for_classification.hdr

classified1_min_dist.img

classified1_min_dist.hdr

5-class-train.roi 

classified1_rules_min_dist.img

classified1_rules_min_dist.hdr

Output files:

vector_classified_[1..5].evf

vector_classified_[1..5].dbf

5-class-test.roi

classified2_min_dist.img

classified2_min_dist.hdr

classified1_min_dist_maj.img

classified1_min_dist_min.img

PAGE  9


 

А также другие работы, которые могут Вас заинтересовать

24788. ТЕОРИЯ ОРГАНИЗАЦИИ. Сущность системного подхода к организациям. Синергетический эффект в организациях 97.5 KB
  Системный подход стал фактически тем инструментом который позволил создать современную теорию организации. Можно сказать что теория организации как наука родилась именно в рамках этого подхода. Цели организации задаются извне или вырабатываются внутри нее с учетом этих целей выбираются форма и устройство организации.
24789. УПРАВЛЕНИЕ ПРСОНАЛОМ 147.5 KB
  Набор персонала заключается в комплектовании необходимого резерва кандидатов на все должности и специальности из которых организация отбирает подходящих для нее работников.; составление базы данных по кандидатам на вакантные должности; отбор персонала выявление различий между кандидатами и соответствующими требованиями будущей деятельности выбор лучших кандидатов; решение о приеме на работу; введение в должность адаптация работника. Это более тонкая по сравнению с отбором процедура идентификации характеристик человека и...
24790. РАЗРАБОТКА УПРАВЛЕНЧЕСКОГО РЕШЕНИЯ 73 KB
  Требования предъявляемые к управленческим решениям Сущность и виды управленческих решений Решение это выбор альтернативы. Решения принимаемые в процессе управления могут быть классифицированы по различным признакам. По уровню управления различают решения принимаемые на разных уровнях: начальника цеха начальника отдела; заместителя директора; директора; министра.
24791. УПРАВЛЕНИЕ ОБЩЕСТВЕННЫМИ ОТНОШЕНИЯМИ 42 KB
  Организация связей с общественностью в системе государственного и муниципального управления: общее и особенное. управления можно отнести: участие в демократизации государственного управления содействие становлению гражданского общества. Существует прямая зависимость между уровнем управления и особенностями служб PR: в региональных и муниципальных органах власти широко реализуется коммуникативная функция и общение с гражданами постоянно и организованно. Возможности PR могут быть использованы в целях повышения открытости государственного...
24792. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ УПРАВЛЕНИЯ 59.5 KB
  наличие централизованных информационных центров генераторов баз данных 2. Например: Федеральная налоговая служба организовала Банк Данных глобальную базу данных. Локальные и распределенные базы данных системы управления базами данных. Информационные ресурсы представляют собой отдельные документы и отдельные массивы документов в информационных системах библиотеках архивах фондах банках данных других видах информационных систем.
24793. ИННОВАЦИОННЫЙ МЕНЕДЖМЕНТ. Технологические уклады, основные периоды. Прогноз 73 KB
  Инновации и жизненный цикл товара. Этап внедрения начинается с момента появления товара на тынке. Цены на первом этапе могут быть низкими либо высокими в зависимости от специфики и особенностей товара и потребителя. Примером товара находящегося на первом этапе ЖЦТ может служить цифровая фотокамера.
24794. ГОСУДАРСТВЕННЫЕ И МУНИЦИПАЛЬНЫЕ ФИНАНСЫ. Структура государственных финансов РФ 120 KB
  Структура государственных финансов РФ. Структура государственных финансов . Структуру государственных финансов можно определять с двух точек зрения. Государственные финансы могут быть рассмотрены с точки зрения преемственности к тем или иным органам государственной власти или с позиции разделения государственных финансов на бюджетные и не бюджетные фонды.
24795. ГЕОПОЛИТИКА 61 KB
  Сущность содержание и структура системы национальной безопасности государства. Законе Российской Федерации О безопасности национальная безопасность трактуется как состояние защищенности жизненно важных интересов личности общества государства от внутренних и внешних угроз. Под национальной безопасностью страны необходимо понимать систему элементов связей и отношений обеспечивающую реализацию жизненно важных политических экономических военных гуманитарных экологических информационных и других интересов личности общества и государства....
24796. Конституционное право России. Конституционные основы организации публичной власти в Российской Федерации 116.5 KB
  Государственную власть в РФ осуществляют Президент РФ Федеральное Собрание парламент состоит из двух палат: Совета Федерации и Государственной Думы Правительство РФ суды РФ существует единая судебная система РФ ее высшими звеньями являются Конституционный Суд РФ Верховный Суд РФ и Высший Арбитражный Суд РФ. Экономические и политические основы конституционного строя Российской Федерации: понятие содержание правовое регулирование. Установленные Конституцией положения связанные с отношением государства к человеку служат...