ILMSImage Classification
Inhaltsverzeichnis |
ILMSImage Classification
Einleitung
ILMSImage Classification ist ein Teil des ILMSImage-Plugins für QuantumGIS und führt in diesem Rahmen die zweistufige thematische Auswertung, bestehend aus unüberwachter und überwachter Klassifikation durch.
Wie eine Reihe anderer ILMSImage-Panels besteht auch dieses aus zwei Bestandteilen, der ILMSImage Project Information oben und dem eigentlichen Werkzeugbereich im unteren Teil.
Thematische Klassifikation
Hintergrund
Der Prozess der thematischen Klassifikation innerhalb von ILMSImage ist aus drei Teilarbeitsschritten zusammengesetzt, einer (1) unüberwachten Klassifikation der bestehenden Zellen und ihrer Eigenschaften in Zelltypenklassen, (2) der Definition von Referenz- bzw. Trainingsgebieten anhand eines Vektordatenlayers und (3) der eigentlichen thematischen Klassifikation, die auf den Ergebnissen der beiden vorangegangenen Arbeitsschritten aufbaut. In der Folge wird jeder Schritt ausführlich vorgestellt und beschrieben.
Unüberwachte Klassifikation in Zelltypenklassen
Die unüberwachte Klassifikation zieht die während der Zellbildung erzeugten Geometrien und die für diese Geometrien berechneten Attribute heran, um aus beiden Komponenten Zelltypenklassen abzuleiten. Bei diesen handelt es sich um Gruppen von Zellen, die - unabhängig von ihrer geographischen Lage im Bild bzw. ihrer Lage zueinander - ähnliche Eigenschaften besitzen. Einfach formuliert werden in diesem Arbeitsschritt also beispielsweise langgestreckte und dunkle Zellen von solchen getrennt, die eher rund und hell sind - nur dass sich die entsprechende Entscheidung in der Realität nicht auf die genannten Eigenschaften beschränkt, sondern auf allen im Zuge der Attributberechnung erzeugten Merkmale basiert. Das Grundkonzept dieses Arbeitsschritts ist entspricht somit der partitionierenden Clusteranalyse (clustering).
ILMSImage implementiert zwei Methoden zur unüberwachten
