IMLSimage 2.4 Classificação - História de revisão

DanielS em 13h16min de 3 de Outubro de 2012

2012-10-03T13:16:49Z

← Revisão anterior		Revisão das 13h16min de 3 de Outubro de 2012
Linha 7:		Linha 7:
	• ''[[ILMSimage_2.4_Diversos \| Diversos]]''		• ''[[ILMSimage_2.4_Diversos \| Diversos]]''
	-----		-----
−		+	[[en:IMLSimage_2.4_Classification]]

DanielS: /* Parâmetros de classificação */

2012-09-23T21:34:11Z

Parâmetros de classificação

← Revisão anterior		Revisão das 21h34min de 23 de Setembro de 2012
Linha 230:		Linha 230:
	'''Exibindo a classificação de imagens'''		'''Exibindo a classificação de imagens'''

−	O ILMSimage pode gerar uma imagem raster com os resultados da classificação real. O QuantumGIS mostra a camada sobre a tela. Uma camada de forma de resultado pode ser acessada a partir de ''Classificação de Exportação como camada de forma'' em [[ILMSimage_2.~~4_Miscellaneous~~ \| ~~Export Panel~~]]. Uma camada raster aparecerá muito mais rapidamente do que uma camada de vetores, portanto, durante a avaliação de locais de referência e parâmetros de classificação, uma camada raster pode ser preferível.	+	O ILMSimage pode gerar uma imagem raster com os resultados da classificação real. O QuantumGIS mostra a camada sobre a tela. Uma camada de forma de resultado pode ser acessada a partir de ''Classificação de Exportação como camada de forma'' em [[ILMSimage_2.4_Diversos \| Painel de Exportação]]. Uma camada raster aparecerá muito mais rapidamente do que uma camada de vetores, portanto, durante a avaliação de locais de referência e parâmetros de classificação, uma camada raster pode ser preferível.

DanielS: /* Referências de classes de objetos */

2012-09-23T21:33:23Z

Referências de classes de objetos

← Revisão anterior		Revisão das 21h33min de 23 de Setembro de 2012
Linha 97:		Linha 97:
	== Referências de classes de objetos ==		== Referências de classes de objetos ==

−	Toda classificação precisa de definições de classe. Definições de classe de objetos tendem a ser bastante complexas, por essa razão o ILMSImage usa exemplos típicos ou áreas de referência para definir as classes de objetos. A forma poligonal com poucos vértices abrangendo um exemplo típico da classe desejada na imagem é suficiente para criar uma definição de classe apropriada e classificar outras ocorrências da classe definida. Os polígonos de referência podem ser [[IMLSimage_2.4_Classificação#Criando_formas_de_polígonos_de_referência \| criados sob demanda]] ou polígonos existentes podem ser usados depois da [[IMLSimage_2.4_Classificação#Modificar_camadas_de_forma_existentes \| modificação]]. [[IMLSimage_2.4_Classificação#Criando_formas_de_ponto_de_referência \| Formas ~~de ponto~~]] podem ser usados para marcar as células individuais como superfície de referência.	+	Toda classificação precisa de definições de classe. Definições de classe de objetos tendem a ser bastante complexas, por essa razão o ILMSImage usa exemplos típicos ou áreas de referência para definir as classes de objetos. A forma poligonal com poucos vértices abrangendo um exemplo típico da classe desejada na imagem é suficiente para criar uma definição de classe apropriada e classificar outras ocorrências da classe definida. Os polígonos de referência podem ser [[IMLSimage_2.4_Classificação#Criando_formas_de_polígonos_de_referência \| criados sob demanda]] ou polígonos existentes podem ser usados depois da [[IMLSimage_2.4_Classificação#Modificar_camadas_de_forma_existentes \| modificação]]. [[IMLSimage_2.4_Classificação#Criando_formas_de_ponto_de_referência \| Formas pontuais]] podem ser usados para marcar as células individuais como superfície de referência.

	Cada polígono ou ponto forma com um campo chamado ''classe'' em formato inteiro (números naturais) está apto a definir as classes de objetos ILMSImage. Formas de linha não são aceitas. Outros campos são opcionais e não restritos em nenhuma forma. As classes são identificadas por um número exclusivo no campo'' Class''. Os números têm de ser consecutivos e começar a partir de um. Números iguais definem classes iguais, mesmo se formas poligonais e pontuais forem misturados. Todas as células que são cobertas por 2/3 são contadas como referência. Uma forma pontual marca células individuais como área de referência.		Cada polígono ou ponto forma com um campo chamado ''classe'' em formato inteiro (números naturais) está apto a definir as classes de objetos ILMSImage. Formas de linha não são aceitas. Outros campos são opcionais e não restritos em nenhuma forma. As classes são identificadas por um número exclusivo no campo'' Class''. Os números têm de ser consecutivos e começar a partir de um. Números iguais definem classes iguais, mesmo se formas poligonais e pontuais forem misturados. Todas as células que são cobertas por 2/3 são contadas como referência. Uma forma pontual marca células individuais como área de referência.

DanielS: /* Parâmetros */

2012-09-23T21:32:31Z

Parâmetros

← Revisão anterior		Revisão das 21h32min de 23 de Setembro de 2012
Linha 39:		Linha 39:
	''References Only'' (Apenas para referências)		''References Only'' (Apenas para referências)
	''Whole Image'' (Imagem inteira)		''Whole Image'' (Imagem inteira)
−
−
−

	As estatísticas de imagem para a auto-organização podem ser tiradas da imagem inteira ou apenas a partir de referências. Estatísticas de referências podem ser calculadas muito mais rapidamente devido a suas áreas menores.		As estatísticas de imagem para a auto-organização podem ser tiradas da imagem inteira ou apenas a partir de referências. Estatísticas de referências podem ser calculadas muito mais rapidamente devido a suas áreas menores.
Linha 55:		Linha 52:
	*''Decision Tree'' (Árvore de Decisões)		*''Decision Tree'' (Árvore de Decisões)
	''Support vector Machine'' (Máquina de vetores suporte)		''Support vector Machine'' (Máquina de vetores suporte)
−
−
−
−
−
−
−

	As opções de fornecer técnicas simples e mais sofisticadas para agrupar os atributos de imagem, mas em quase todos os casos o algoritmo do ''Codebook (k-means)'' funciona melhor. As diferentes opções são inicializadas por ''máxima variabilidade dentro dos clusters'' de forma a produzir resultados semelhantes ou pelo menos comparáveis. Maiores informações abaixo no capítulo ''Antecedentes''.		As opções de fornecer técnicas simples e mais sofisticadas para agrupar os atributos de imagem, mas em quase todos os casos o algoritmo do ''Codebook (k-means)'' funciona melhor. As diferentes opções são inicializadas por ''máxima variabilidade dentro dos clusters'' de forma a produzir resultados semelhantes ou pelo menos comparáveis. Maiores informações abaixo no capítulo ''Antecedentes''.

DanielS em 21h31min de 23 de Setembro de 2012

2012-09-23T21:31:50Z

← Revisão anterior		Revisão das 21h31min de 23 de Setembro de 2012
Linha 119:		Linha 119:


−	== Criando formas ~~de polígonos~~ de referência ==	+	== Criando formas polígonais de referência ==

DanielS: /* Classificação de objetos */

2012-09-23T21:30:51Z

Classificação de objetos

← Revisão anterior		Revisão das 21h30min de 23 de Setembro de 2012
Linha 212:		Linha 212:
	= Classificação de objetos =		= Classificação de objetos =

−	A classificação "real" no ILMSimage é a etapa da '' classificação do objeto''. Se [[IMLSimage_2.~~4_Classification~~#~~Self_Organization_~~.28Clustering.29 \| ~~Cluster~~]] e [[IMLSimage_2.~~4_Classification~~#~~Object_Class_References~~ \| ~~References~~]] estiverem configurados corretamente, o ~~trabalho está~~ quase pronto. Dois parâmetros ''Allow Exceptions in References'' (Permitir exceções em Referências) e ''Minimum Object Size'' (Tamanho mínimo de objeto) podem modificar o resultado.	+	A classificação "real" no ILMSimage é a etapa da '' classificação do objeto''. Se o[[IMLSimage_2.4_Classificação#Auto-organização_(clustering)_.28Clustering.29 \| Clustering]] e as [[IMLSimage_2.4_Classificação#Referências_de_classes_de_objetos\| Referências]] estiverem configurados corretamente, o processo estará quase pronto. Dois parâmetros ''Allow Exceptions in References'' (Permitir exceções em Referências) e ''Minimum Object Size'' (Tamanho mínimo de objeto) podem modificar o resultado.


Linha 228:		Linha 228:
	O ILMSimage é projetado para classificar objetos de imagem complexas. Em alguns casos, objetos potencialmente muito pequenos satisfazem as condições para serem classificados como objetos e, portanto, algumas células que representam as árvores podem ser classificadas como "floresta". Para evitar pequenos objetos, o ILMSimage calcula um ''tamanho do objeto'' (object size) medindo quantas fronteiras conectam células a outras células do mesmo objeto e quantas fronteiras conectam o objeto a outras classes. A divisão "internal border length" / "total border length" (comprimento de fronteira interna / comprimento de fronteira total) é definido como ''object size''. A definição está relacionada com a complexidade de objetos de imagem e não define qualquer tamanho absoluto. Nove quadrados dispostos como matriz 3x3 ou dezesseis quadrados disposotos como matriz 2x6 mostram um ''tamanho de objeto'' de 0,5. Um ''tamanho de objeto'' de 1,0 seria infinito e é, portanto, impossível.		O ILMSimage é projetado para classificar objetos de imagem complexas. Em alguns casos, objetos potencialmente muito pequenos satisfazem as condições para serem classificados como objetos e, portanto, algumas células que representam as árvores podem ser classificadas como "floresta". Para evitar pequenos objetos, o ILMSimage calcula um ''tamanho do objeto'' (object size) medindo quantas fronteiras conectam células a outras células do mesmo objeto e quantas fronteiras conectam o objeto a outras classes. A divisão "internal border length" / "total border length" (comprimento de fronteira interna / comprimento de fronteira total) é definido como ''object size''. A definição está relacionada com a complexidade de objetos de imagem e não define qualquer tamanho absoluto. Nove quadrados dispostos como matriz 3x3 ou dezesseis quadrados disposotos como matriz 2x6 mostram um ''tamanho de objeto'' de 0,5. Um ''tamanho de objeto'' de 1,0 seria infinito e é, portanto, impossível.

−	O ''tamanho de objeto'' pode ser inserido no painel de ''Classes''. Isto associa a entrada a todas as classes definidas. Para obter definições mais específicas, o '' tamanho de objeto'' pode ser inserido também durante a [[IMLSimage_2.~~4_Classification~~#~~Create_Reference_Polygon_Shapes~~ \| ~~reference definition~~]]. O ILMSimage busca por um campo ''Size'' na tabela de atributos [[IMLSimage_2.~~4_Classification~~#5._enter_field_values \| ~~reference shape~~]]. Se essse campo for encontrado, ele substitui a entrada no painel ''Classes'' para esta classe específica. É possível adicionar o campo ''Size'' a uma forma de referência existente em qualquer altura desejada.	+	O ''tamanho de objeto'' pode ser inserido no painel de ''Classes''. Isto associa a entrada a todas as classes definidas. Para obter definições mais específicas, o '' tamanho de objeto'' pode ser inserido também durante a [[IMLSimage_2.4_Classificação#Criando_formas_polígonais_de_referência \| definição de referências]]. O ILMSimage busca por um campo ''Size'' na tabela de atributos [[IMLSimage_2.4_Classificação#5._enter_field_values \| forma de referência]]. Se essse campo for encontrado, ele substitui a entrada no painel ''Classes'' para esta classe específica. É possível adicionar o campo ''Size'' a uma forma de referência existente em qualquer altura desejada.

DanielS: /* Referências de classes de objetos */

2012-09-23T21:23:39Z

Referências de classes de objetos

← Revisão anterior		Revisão das 21h23min de 23 de Setembro de 2012
Linha 107:		Linha 107:
	== Referências de classes de objetos ==		== Referências de classes de objetos ==

−	Toda classificação precisa de definições de classe. Definições de classe de objetos tendem a ser bastante complexas, por essa razão o ILMSImage usa exemplos típicos ou áreas de referência para definir as classes de objetos. A forma poligonal com poucos vértices abrangendo um exemplo típico da classe desejada na imagem é suficiente para criar uma definição de classe apropriada e classificar outras ocorrências da classe definida. Os polígonos de referência podem ser [[IMLSimage_2.~~4_Classification~~#~~Create_Reference_Polygon_Shapes~~ \| ~~drawn on demand~~]] ou polígonos existentes podem ser usados depois do [[IMLSimage_2.~~4_Classification~~#~~Modify_Existing_Shape_Layers~~ \| ~~modification~~]]. [[IMLSimage_2.~~4_Classification~~#~~Create_Reference_Point_Shapes~~ \| ~~Point shapes~~]] podem ser usados para marcar as células individuais como superfície de referência.	+	Toda classificação precisa de definições de classe. Definições de classe de objetos tendem a ser bastante complexas, por essa razão o ILMSImage usa exemplos típicos ou áreas de referência para definir as classes de objetos. A forma poligonal com poucos vértices abrangendo um exemplo típico da classe desejada na imagem é suficiente para criar uma definição de classe apropriada e classificar outras ocorrências da classe definida. Os polígonos de referência podem ser [[IMLSimage_2.4_Classificação#Criando_formas_de_polígonos_de_referência \| criados sob demanda]] ou polígonos existentes podem ser usados depois da [[IMLSimage_2.4_Classificação#Modificar_camadas_de_forma_existentes \| modificação]]. [[IMLSimage_2.4_Classificação#Criando_formas_de_ponto_de_referência \| Formas de ponto]] podem ser usados para marcar as células individuais como superfície de referência.

	Cada polígono ou ponto forma com um campo chamado ''classe'' em formato inteiro (números naturais) está apto a definir as classes de objetos ILMSImage. Formas de linha não são aceitas. Outros campos são opcionais e não restritos em nenhuma forma. As classes são identificadas por um número exclusivo no campo'' Class''. Os números têm de ser consecutivos e começar a partir de um. Números iguais definem classes iguais, mesmo se formas poligonais e pontuais forem misturados. Todas as células que são cobertas por 2/3 são contadas como referência. Uma forma pontual marca células individuais como área de referência.		Cada polígono ou ponto forma com um campo chamado ''classe'' em formato inteiro (números naturais) está apto a definir as classes de objetos ILMSImage. Formas de linha não são aceitas. Outros campos são opcionais e não restritos em nenhuma forma. As classes são identificadas por um número exclusivo no campo'' Class''. Os números têm de ser consecutivos e começar a partir de um. Números iguais definem classes iguais, mesmo se formas poligonais e pontuais forem misturados. Todas as células que são cobertas por 2/3 são contadas como referência. Uma forma pontual marca células individuais como área de referência.

DanielS: /* Finalizando a auto-organização */

2012-09-23T21:17:28Z

Finalizando a auto-organização

← Revisão anterior		Revisão das 21h17min de 23 de Setembro de 2012
Linha 87:		Linha 87:
	Depois de clicar-se no botão [Run], o processo de agrupamento começa e uma pequena janela com uma barra de progresso aparece e exibe uma mensagem sobre o estado do processo. Dependendo do número de células de uma das opções selecionadas, o tempo de cálculo pode variar muito.		Depois de clicar-se no botão [Run], o processo de agrupamento começa e uma pequena janela com uma barra de progresso aparece e exibe uma mensagem sobre o estado do processo. Dependendo do número de células de uma das opções selecionadas, o tempo de cálculo pode variar muito.

−	Se o '''Show Cluster Image''' estiver ativo, o QuantumGIS carrega uma camada raster codificada com cores para mostrar os resultados do processo de cluster. Após o cálculo do cluster tiver sido concluído com sucesso, o ILMSImage mostra o [[IMLSimage_2.~~4_Classification~~#~~Object_Class_References~~ \| ~~Reference panel~~]]. Usando as configurações acima, o resultado deve ser como na imagem a seguir. As cores são aleatórias e podem ser diferentes das do exemplo.	+	Se o '''Show Cluster Image''' estiver ativo, o QuantumGIS carrega uma camada raster codificada com cores para mostrar os resultados do processo de cluster. Após o cálculo do cluster tiver sido concluído com sucesso, o ILMSImage mostra o [[IMLSimage_2.4_Classificação#Referências_de_classes_de_objetos \| painel de Referências]]. Usando as configurações acima, o resultado deve ser como na imagem a seguir. As cores são aleatórias e podem ser diferentes das do exemplo.


Linha 94:		Linha 94:

	Todas as mensagens de execução atual são listadas no painel de [[ILMSimage_2.4_Diversos \| Controle]] e armazenadas em um arquivo de protocolos para posterior utilização.		Todas as mensagens de execução atual são listadas no painel de [[ILMSimage_2.4_Diversos \| Controle]] e armazenadas em um arquivo de protocolos para posterior utilização.
−
−

	== Antecedentes ==		== Antecedentes ==

DanielS: /* Parâmetros */

2012-09-23T21:15:39Z

Parâmetros

← Revisão anterior		Revisão das 21h15min de 23 de Setembro de 2012
Linha 45:		Linha 45:
	As estatísticas de imagem para a auto-organização podem ser tiradas da imagem inteira ou apenas a partir de referências. Estatísticas de referências podem ser calculadas muito mais rapidamente devido a suas áreas menores.		As estatísticas de imagem para a auto-organização podem ser tiradas da imagem inteira ou apenas a partir de referências. Estatísticas de referências podem ser calculadas muito mais rapidamente devido a suas áreas menores.

−	A fim de efetuá-lo, as referências devem ser definidas. Nesta fase do projeto, "referências" não precisam ser referências reais. Alguns retângulos, abrangendo todas as características relevantes da imagem e as estruturas com uma única classe podem ser usados como [[IMLSimage_2.~~4_Classification~~#~~Object_Class_References~~ \| "~~references~~"]] para acelerar o cálculo, e depois trocadas para as referências reais que definirão objetos de imagem.	+	A fim de efetuá-lo, as referências devem ser definidas. Nesta fase do projeto, "referências" não precisam ser referências reais. Alguns retângulos, abrangendo todas as características relevantes da imagem e as estruturas com uma única classe podem ser usados como [[IMLSimage_2.4_Classificação#Referências_de_classes de_objetos \| "referências"]] para acelerar o cálculo, e depois trocadas para as referências reais que definirão objetos de imagem.


Linha 82:		Linha 82:

	cria opcionalmente uma imagem temática que mostra os resultados do processo de agrupamento e o carrega para a tela do QuantumGIS.		cria opcionalmente uma imagem temática que mostra os resultados do processo de agrupamento e o carrega para a tela do QuantumGIS.
−
−

	== Finalizando a auto-organização ==		== Finalizando a auto-organização ==

DanielS: /* Auto-organização (clustering) */

2012-09-23T21:13:39Z

Auto-organização (clustering)

← Revisão anterior		Revisão das 21h13min de 23 de Setembro de 2012
Linha 24:		Linha 24:
	= Auto-organização (clustering) =		= Auto-organização (clustering) =

−	A classificação não-supervisionada refere-se à geometria da célula gerada durante a [[ILMSimage_2.4_Criação_de_células \| criação de ~~célula~~]] e as [[ILMSimage_2.~~4_Cálculo_de_Atributos~~ \| ~~Características~~ celulares selecionadas]] para derivar classes de tipo de células por um processo de auto-organização autônomo. Há grupos de células que – independentemente da localização geográfica na imagem ou da localização de um em relação ao outro - têm características semelhantes. Nesta tarefa, por exemplo, células alongadas e escuras são separadas daquelas que são bastante redondas e brilhantes – sendo que a decisão correspondente, na realidade, não se limita às características mencionadas, mas sim, baseia-se em todas as características geradas durante o cálculo do atributo. O conceito básico desta tarefa corresponde, portanto, à análise de cluster particional ([http://en.wikipedia.org/wiki/Cluster_analysis#Partitional_clustering\| Partitional clustering]).	+	A classificação não-supervisionada refere-se à geometria da célula gerada durante a [[ILMSimage_2.4_Criação_de_células \| criação de células]] e as [[ILMSimage_2.4_Cálculo_de_atributos \| características celulares selecionadas]] para derivar classes de tipo de células por um processo de auto-organização autônomo. Há grupos de células que – independentemente da localização geográfica na imagem ou da localização de um em relação ao outro - têm características semelhantes. Nesta tarefa, por exemplo, células alongadas e escuras são separadas daquelas que são bastante redondas e brilhantes – sendo que a decisão correspondente, na realidade, não se limita às características mencionadas, mas sim, baseia-se em todas as características geradas durante o cálculo do atributo. O conceito básico desta tarefa corresponde, portanto, à análise de cluster particional ([http://en.wikipedia.org/wiki/Cluster_analysis#Partitional_clustering\| Partitional clustering]).


Linha 30:		Linha 30:


−	~~O painel~~ '''Cluster''' oferece quatro parâmetros de entrada e uma opção para controlar o agrupamento:	+	A aba '''Cluster''' oferece quatro parâmetros de entrada e uma opção para controlar o agrupamento:


Linha 213:		Linha 213:
	bordas das células devem ser conhecidas aproximadamente antes do novo ponto de formar ser definido. Se o índice de células		bordas das células devem ser conhecidas aproximadamente antes do novo ponto de formar ser definido. Se o índice de células
	for recalculado, pontos de forma podem perder uma posição significativa.		for recalculado, pontos de forma podem perder uma posição significativa.
−
−

	= Classificação de objetos =		= Classificação de objetos =