1972年，之一顆以60米分辨率收集地球反射率的衛(wèi)星制成。這些過(guò)程需要對(duì)圖像進(jìn)行分類以實(shí)現(xiàn)空間分辨率的技術(shù)。有監(jiān)督和無(wú)監(jiān)督分類是分別涉及通過(guò)軟件進(jìn)行人工引導(dǎo)分類 和計(jì)算的圖像技術(shù)，也被歸類為遙感 *** 。例如，森林、草原、農(nóng)業(yè)、水和城市等類別。
然而，鑒于在高分辨率數(shù)據(jù)中很重要，另一種稱為基于對(duì)象的分析的技術(shù)經(jīng)常流行。有監(jiān)督和無(wú)監(jiān)督的分類都基于像素并制作方形像素，其中每個(gè)像素都有類別。此外，無(wú)監(jiān)督分類被歸為一種基本的技術(shù)形式，因其不需要樣品。此外，它是理解和分割圖像的最簡(jiǎn)單技術(shù)，同時(shí)，這兩種技術(shù)已經(jīng)被使用，并在遙感應(yīng)用方面仍然有需求。應(yīng)用領(lǐng)域包括環(huán)境、食品安全以及公共安全。多年來(lái)，衛(wèi)星圖像的目標(biāo)是創(chuàng)建高頻率的大空間分辨率。以下是這兩種分類間的區(qū)別。
1.步驟不同
無(wú)監(jiān)督分類。無(wú)監(jiān)督有兩個(gè)常見(jiàn)步驟，包括生成集群和分配類，可使用遙感軟件制作集群。圖像聚類算法最常見(jiàn)的例子是 ISODATA 和 K-means。在采用聚類算法后，確定要生成的組。例如，可以制作 8、20 和 42 個(gè)集群。最相似的像素將在組內(nèi)有幾個(gè)集群。更多的集群增加了組中的可變性。下一步涉及為每個(gè)集群手動(dòng)分配類。如，需要選擇更佳聚類來(lái)表示和分類非植被和植被。
監(jiān)督分類。監(jiān)督分類涉及挑選每個(gè)土地覆蓋類別的樣本表示。通過(guò)使用該軟件將訓(xùn)練站點(diǎn)應(yīng)用于整個(gè)圖像。監(jiān)督有 3 個(gè)常見(jiàn)步驟，包括分類、生成文件簽名和選擇訓(xùn)練區(qū)域。之一步涉及制作訓(xùn)練樣本。為了說(shuō)明，標(biāo)記城鎮(zhèn)與在圖像中標(biāo)記相同。不斷制作訓(xùn)練樣本，直到獲得每個(gè)類別的樣本。出于這個(gè)原因，生成了一個(gè)保留訓(xùn)練樣本的簽名。最后，將使用簽名文件運(yùn)行分類。這將需要讓您識(shí)別算法的分類，如 iso 聚類、更大似然、主成分、最小距離和支持向量機(jī)。
添加微信好友, 獲取更多信息
復(fù)制微信號(hào)
2.應(yīng)用 *** 的區(qū)別
無(wú)監(jiān)督分類。無(wú)監(jiān)督分類涉及對(duì)具有相似特征的圖像進(jìn)行分組，且是基于軟件。因此，用戶不需要生成樣本類。該軟件使用技術(shù)來(lái)確定相關(guān)的圖像并將它們放在類中，同時(shí)，需要指定要使用的算法類型和許多類。然而，用戶應(yīng)該更多地了解被分類的地點(diǎn)。這在對(duì)計(jì)算機(jī)提供的具有相似特征的圖像進(jìn)行分類時(shí)是必要的。將像素與地球上的真實(shí)特征進(jìn)行比較，例如森林、濕地和城市地區(qū)。
監(jiān)督分類。監(jiān)督分類是一種基于思想的思想，它使用戶能夠從代表特定類別的圖像中選擇像素樣本。用于處理圖像的軟件將以引用的形式引導(dǎo)訓(xùn)練站點(diǎn)對(duì) 圖像上的所有像素進(jìn)行分組。訓(xùn)練站點(diǎn)也稱為輸入類或測(cè)試集，是根據(jù)用戶的理解方式選擇的。還可以設(shè)置邊界來(lái)確定其他像素的關(guān)系以將它們放在一起。根據(jù)測(cè)試集的頻譜特性經(jīng)常選擇邊界。此外，特定光譜帶中強(qiáng)度的更大值和最小值。用戶可以設(shè)計(jì)特定圖像已被分類的總類，大多數(shù)分析使用無(wú)監(jiān)督和有監(jiān)督的分類來(lái)提出最終的分組地圖和輸出分析。
3.機(jī)器學(xué)習(xí)的區(qū)別
監(jiān)督分類。大多數(shù)實(shí)用的學(xué)習(xí)機(jī)器使用監(jiān)督分類。監(jiān)督學(xué)習(xí)有一個(gè)輸入變量 x 和輸出變量 y，它使用一種算法來(lái)知道從輸入到輸出的映射函數(shù)。主要目標(biāo)是逼近地圖的功能。如果有新的變量 x 輸入，則可以預(yù)測(cè)變量 y 的輸出，被稱為監(jiān)督學(xué)習(xí)，因?yàn)榭梢栽诮處煴O(jiān)督學(xué)習(xí)過(guò)程的同時(shí)教授算法學(xué)習(xí)過(guò)程。該算法預(yù)測(cè)由課堂教師糾正的答案。只有在算法達(dá)到預(yù)期的性能水平后，學(xué)習(xí)過(guò)程才會(huì)停止。
無(wú)監(jiān)督分類。無(wú)監(jiān)督學(xué)習(xí)得到了一個(gè)輸入變量 x 沒(méi)有相應(yīng)的 輸出變量。它的目的是分布數(shù)據(jù)并為數(shù)據(jù)中的底層結(jié)構(gòu)建模，以便更多地了解它。
4.觀察差異
監(jiān)督分類。監(jiān)督分類提供類的標(biāo)簽，通常稱為真實(shí)標(biāo)簽的基礎(chǔ)，進(jìn)而了解分類的重要特征，從而提高識(shí)別水平，特征根據(jù)相應(yīng)的組進(jìn)行映射。
無(wú)監(jiān)督分類。無(wú)監(jiān)督分類不提供標(biāo)簽。需要查看輸入并確定數(shù)據(jù)的結(jié)構(gòu)。可以根據(jù)識(shí)別后的結(jié)構(gòu)進(jìn)行分類和聚類。如，指派一群孩子到野外觀察動(dòng)物，但沒(méi)有以任何方式幫助它們。
5.準(zhǔn)確度的差異
監(jiān)督分類。在準(zhǔn)確性方面，監(jiān)督分類對(duì)于映射組是準(zhǔn)確的。但是，這取決于分析圖像的技能和認(rèn)知。
無(wú)監(jiān)督分類。它基于計(jì)算機(jī)并幫助我們指定計(jì)算機(jī)用于揭示固有模式的參數(shù)。
6.訓(xùn)練模型的不同
監(jiān)督學(xué)習(xí)，涉及一個(gè)訓(xùn)練模型，該模型提供輸入并顯示 每個(gè)輸入的正確組。訓(xùn)練模型用于在訓(xùn)練期間適用的 預(yù)定義組中對(duì)新輸入進(jìn)行聚類。
無(wú)監(jiān)督學(xué)習(xí)。該模型通過(guò)饋送輸入進(jìn)行訓(xùn)練，但沒(méi)有告知每個(gè)輸出的類別。訓(xùn)練輸入聚集在不同的類別中。
7.光譜數(shù)據(jù)的質(zhì)量
監(jiān)督分類。它允許用戶將信息放入特殊子類別等類別中。
無(wú)監(jiān)督分類。在無(wú)監(jiān)督分類中使用訓(xùn)練數(shù)據(jù)可能會(huì)導(dǎo)致錯(cuò)誤，因光譜類將具有許多混合像素。
8.分類
監(jiān)督分類。訓(xùn)練數(shù)據(jù)是使用精度更高的 GPS 設(shè)備從現(xiàn)場(chǎng)采集的。
無(wú)監(jiān)督分類。在將標(biāo)簽快速分配給廣闊或簡(jiǎn)單的土地時(shí)，無(wú)監(jiān)督分類通常很有用。這些土地覆蓋包括森林/非森林、水、非植被/植被等。
來(lái)源：開(kāi)源地理空間基金會(huì)中文分會(huì)
來(lái)源鏈接：https://www.osgeo.cn/post/19cea
本站聲明:網(wǎng)站內(nèi)容來(lái)源于 *** ,如有侵權(quán),請(qǐng)聯(lián)系我們,我們將及時(shí)處理。
