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

2 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

54176. Развитие культуры в условиях нижнего и среднего палеолита 33 KB
  Одним из важнейших способов выживания человека в первобытную эпоху стал беспрерывный процесс познания окружающего мира. На раннем этапе жизни человека предметом познания и осмысления является природа, от которой напрямую зависит жизнь человеческого общества.
54177. Новые информационные технологии в профильном обучении математики на примере темы „Многогранники” в 11 классе 827.5 KB
  Рассмотрение различных случаев взаимного расположения диагоналей ребер и граней многогранника использование для этого моделей и готовых чертежей способствует развитию пространственных представлений учащихся их интуиции Рис. Особо подчеркиваются характеристические свойства призмы.
54178. Видатні вчені на уроках математики 165 KB
  Задача 2 Вирішивши поділити всі свої заощадження між усіма синами хтось склав такий заповіт: Старший з моїх синів повинен отримати 1000 франків і 1 8 частину остачі; наступний 2000 франків і 1 8 нової остачі; третій син – 3000 франків і 1 8 частини третьої остачі і т. Так як усі сини отримали порівну то 1 8 частина кожної нової остачі була на 1000 франків менше 1 8 частини попередньої остачі тобто уся нова остача була на 8000 франків менше попередньої. Так як за умовою усі гроші були розділені повністю то коли молодший син отримав по...
54179. Видатні вчені на уроках математики: Евклід, Б.В.Гнеденко, Карл Фрідріх Гаусс 110 KB
  Евклід (бл.365 – бл.300 до н. е.) – старогрецький математик визнаний основоположник математики. Родом з Афін, учень Платона. Автор найдавніших трактатів з математики. Основна праця «Начала» (латинізована назва «Елементи») включає в себе 15 книжок, у яких міститься систематизований вклад геометрії, а також деяких питань теорії чисел.
54180. Метод розмірностей 342 KB
  Однак виявляється що метод розмірностей може бути використаний не тільки і не скільки для перевірки правильності розв’язку поставленої задачі але й для виведення з точністю до константи невідомих співвідношень між фізичними величинами. 1 Основним фундаментальним підходом методу розмірностей є те що будьяку таку функцію ми можемо представити у вигляді наступного виразу y = C x1α x2β x3γ xnω 2 де C – безрозмірна константа;...
54181. Як вчити школярів V-V1 класів розв’язувати задачі 101.5 KB
  Звичайно мова йде не про вправи тренувального характеру а про нестандартні завдання пошук рішення яких складає важливий компонент доступної дітям математичної творчості. Перш за все слід врахувати що навчитися вирішувати завдання школярі зможуть лише вирішуючи їх. Якщо ви хочете навчитися плавати то сміливо входите в воду а якщо хочете навчитися вирішувати завдання то вирішуйте їх пише Д. Рішення будьякого досить складного завдання вимагає від учня напруженої праці волі й наполегливості які найбільш сильно проявляються тоді...
54182. Становление элементов культуры в эпоху верхнего палеолита 37 KB
  Координаты вектора Чтобы найти координаты вектора нужно из координат конца вычесть соответственные координаты начала. Абсолютная величина вектора модуль вектора длина вектора Длина вектора равна корню квадратному из суммы квадратов его координат. Равные вектора Векторы равны если равны их соответственные координаты и наоборот. б Условие коллинеарности векторов Если два вектора коллинеарны то их соответственные координаты пропорциональны и наоборот.
54183. Теоретические аспекты коррекционно-воспитательной работы на уроках математики 122 KB
  Коррекционно-воспитательная работа это система комплексных мер педагогического воздействия на различные особенности аномального развития личности ей подчинены все формы и виды классной и внеклассной работы в процессе формирования у школьников общеобразовательных знаний умений и навыков. Описание опыта Для изучения причин неуспеваемости и планировании коррекционной работы с учащимися предлагаю использовать аналитическую схему которую заполняют учителя медсестра психолог классный руководитель в процессе бесед с учащимися на каждого...
54184. ПРОГРАМА факультативного курсу з математики для учнів 10-11 класів універсального профілю ЗНЗ «Довузівська підготовка з математики» 170.5 KB
  Поглиблення реалізується на базі вивчення методів і прийомів розвязування математичних задач які потребують застосування високої логічної та операційної культури розвиваючих науковотеоретичне і алгоритмічне міркування учнів. МЕТА КУРСУ: розвиток математичних здібностей учнів; формування алгоритмічного мислення та високої логічної культури; вироблення навичок самостійної роботи при розв’язуванні задач; перенесення засвоєних знань на розв’язування складних та нестандартних задач; якісна підготовка до незалежного зовнішнього...