11

2.7 Klasyfikacja obrazu satelitarnego 

Klasyfikacja obrazu satelitarnego to proces, w którym odnajdujemy zaleĪnoĞü miĊdzy barwą

obrazu reprezentowaną przez wartoĞci pikseli a pokryciem terenu w danym miejscu. Ma to na 

celu wyodrĊbnienie w sposób moĪliwie jednoznaczny klas pokrycia terenu. 

Przykładowo  w  przypadku  obrazu  wielospektralnego  złoĪonego  z  trzech  kanałów,  jeĪeli 

wartoĞci pikseli w jednym miejscu wynoszą 34, 25, 117, w drugim 34, 24, 119 i wreszcie w 

trzecim  11,  77,  51,  to  dwa  pierwsze  piksele  prawdopodobnie  naleĪą  do  tej  samej  klasy 

pokrycia terenu, a trzeci do klasy innej. 

Istnieje wiele metod klasyfikacji. W jednym z podziałów wyróĪniane są metody nadzorowane 

i  nienadzorowane.  Te  pierwsze  dają  zwykle  lepsze  wyniki,  jednak  wymagają  dodatkowej 

wiedzy  od  osoby  klasyfikującej  na  temat  zaleĪnoĞci  miĊdzy  wartoĞciami  pikseli,  a 

rzeczywistymi klasami tematycznymi (pokrycia terenu).  

W üwiczeniu wypróbujemy zarówno klasyfikacjĊ nadzorowaną jak i nienadzorowaną. 

1. Klasyfikacja nadzorowana

Proces  klasyfikacji  nadzorowanej  składa  siĊ  z  dwóch  faz.  W  pierwszej  fazie  osoba 

klasyfikująca  „uczy”  program,  okreĞlając  dla  pewnej,  ograniczonej  liczby  pikseli  obrazu 

odpowiadające  im  klasy.  W  drugiej  fazie  –  podejmowania  decyzji  –  program  samodzielnie 

klasyfikuje  pozostałe  piksele,  korzystając  z  tak  przygotowanego  wzorca.  Stosowany  jest 

algorytm  przyrównujący  wartoĞci  wszystkich  pikseli  obrazu  do  wartoĞci  pikseli 

przydzielonych do poszczególnych klas w fazie „treningowej”. 

ûwiczenie rozpoczniemy od fazy „treningowej”, w której zdefiniujemy klasy pokrycia terenu. 

Do  kaĪdej  z  klas  przydzielimy  okreĞloną  liczbĊ  pikseli,  co  do  których  mamy  pewnoĞü,  jak 

powinny byü zaklasyfikowane. Utworzymy w ten sposób wzorce klas. W tej czĊĞci üwiczenia 

bazowaü  bĊdziemy  jedynie  na  interpretacji  wizualnej  obrazu,  chociaĪ  wiĊkszą  pewnoĞü

zyskalibyĞmy dysponując dodatkową mapą lub wynikami prac terenowych. 

12

1. Zaczniemy od zdefiniowania klas pokrycia terenu. Wybierz File 

Æ Create Æ Sample 

Set. 

2. Pojawi  siĊ  okno  dialogowe  Create  Sample  Set.  Wpisz  nazwĊ  zestawu  wzorcowego 

Sample Set: „landsat_klasy”. 

3. Utworzymy teraz nowy zakres. Zakresy w programie ILWIS definiują klasy, wartoĞci 

i  identyfikatory  uĪywane  na  odpowiadających  im  mapach  lub  w  tabelach.  Wybierz 

przycisk Create Domain, po prawej od listy rozwijanej Domain. 

4. Pojawi siĊ okno dialogowe tworzenia nowego zakresu Create Domain. Wpisz nazwĊ

zakresu „landsat_klasy” i zatwierdĨ OK. 

5. Pojawi  siĊ  edytor  klas  zakresu  Domain  Class  „landsat_klasy”.  W  edytorze  kliknij 

przycisk Add Item

. WyĞwietli siĊ okno dialogowe Add Domain Item. 

6. Utwórz  klasy,  za  kaĪdym  razem  wpisując  nazwĊ Name  i  kod  Code,  a  nastĊpnie 

zatwierdzając OK. UĪyj nastĊpujących nazw i kodów: 

Name 

Code 

Las 

L 

UĪytek rolny 

U 

Woda 

W 

Zabudowa 

Z 

13

7. Po  utworzeniu  wszystkich  klas,  w  oknie  dialogowym  edytora  Domain  Class  kliknij 

przycisk Open Representation

. 

8. Otwarte  zostanie  okno  dialogowe  tworzenia  graficznej  reprezentacji  dla  zakresu  - 

Representation  Class.  W  oknie  tym  nadaj  wybrany  kolor  z  kaĪdej  z  czterech 

utworzonych  klas.  W  tym  celu  kliknij  dwukrotnie  pole  koloru  przy  nazwie  danej 

klasy, a nastĊpnie wybierz odpowiedni kolor z listy rozwijanej. 

9. Zamknij  okna  edytorów  Representation  Class  oraz  Domain  Class  i  powróü  do  okna 

dialogowego Create Sample Set. 

10. W  oknie  Create  Sample  Set,  wybierz  przycisk  Create  Map  List,  po  prawej  od  listy 

rozwijanej Map List. Utworzysz teraz nową listĊ map. Lista map w programie ILWIS 

jest  obiektem,  który  przechowuje  odniesienia  do  zestawu  map  rastrowych, 

posiadających  ten  sam  zakres  oraz  georeferencjĊ  (układ  współrzĊdnych).  Otwarte 

zostanie  okno  Create  Map  List.  W  oknie  tym  wybierz  w  polu  po  lewej  stronie  pliki 

map:  „landsat1”,  „landsat2”,  „landsat3”  i  „landsat4”.  Dodaj  je  do  pola  po  prawej 

stronie  za  pomocą  strzałki  „>”.  W  polu  Map  List  nadaj  nazwĊ  nowej  liĞcie  map: 

„landsat_kanaly”. ZatwierdĨ OK. Ponownie zatwierdĨ OK w oknie Create Sample Set. 

14

11. Pojawi siĊ okno Display Options – Map List as ColorComp. Ustaw jako Red Band – 

„landsat3”, jako Green Band – „landsat2”, jako Blue Band – „landsat1”. ResztĊ opcji 

pozostaw bez zmian. 

12. Rozpocznie siĊ proces edycji zestawu  wzorców klas – przydzielanie pikseli obrazu do 

poszczególnych  klas.  Pojawi  siĊ  okno  edytora  Sample  Set  Editor  oraz  okienko 

dialogowe Sample Set Statistics. 

15

Rysunek 6. Klasyfikacja nadzorowana – edycja zestawu wzorców klas.

13. PrzybliĪ  teraz  narzĊdziem  Zoom  In

  obraz  w  oknie  Sample  Set  Editor.  ZbliĪ

kilkukrotnie  na  mały  fragment  obrazu  z  wodą.  Za  pomocą  narzĊdzia  Normal

zaznacz  przeciągając  lewym  przyciskiem  myszy  niewielki  fragment  obrazu  pokryty 

przez wodĊ.  

14. Kliknij prawym przyciskiem myszy. Pojawi siĊ lista rozwijana, z której wybierz Edit. 

Pojawi siĊ okienko dialogowe Edit, w którym wybierz z listy rozwijanej klasĊ „W” – 

woda. ZatwierdĨ OK. 

15. W  okienku  Sample  Statistics  pojawią  siĊ  teraz  statystyki:  w  górnej  czĊĞci  dla 

wszystkich  wybranych  pikseli  objĊtych  wodą,  w  jego  dolnej  czĊĞci  dla  pikseli 

objĊtych  wodą  w  obecnie  wybranym  polu.  Są  to  nastĊpujące  statystyki:  Mean  – 

Ğrednia wartoĞü pikseli, StDev – odchylenie standardowe wartoĞci pikseli, Nr – liczba 

pikseli  mająca  dominującą  wartoĞü,  Pred  –  dominująca  wartoĞü  pikseli,  Total  – 

całkowita liczba wybranych pikseli. 

16

Rysunek 7. Klasyfikacja nadzorowana – edycja zestawu wzorców klas. 

16. Powtórz procedurĊ z kroków 14-15 dla kilku innych obszarów wodnych, a nastĊpnie 

wykonaj  te  same  czynnoĞci  próbkując  równieĪ  po  kilka  obszarów  leĞnych,  rolnych  i 

zabudowanych. W ten sposób powstaną wzorce dla wszystkich wydzielonych klas. 

NastĊpuje teraz faza podejmowania przez program decyzji o przydzieleniu wszystkich pikseli 

obrazu do którejĞ z klas, bazując na utworzonym zestawie wzorców klas (Sample Set).

17. Na liĞcie operacji Operation Tree, dwukrotnie kliknij Image Processing 

Æ Classify.  

18. W  oknie  dialogowym  Classification,  które  siĊ  pojawi  wybierz  jako  Sample  Set: 

„landsat_klasy”.  Wybierz  metodĊ  klasyfikacji  Box  Classifier.  Pozostaw  domyĞlną

wartoĞü  przelicznika  Multiplication  Factor.  Wpisz  nazwĊ  mapy  wynikowej  Output 

Raster Map: „Landsat_box”. Klinij przycisk Show. Rozpocznie siĊ proces klasyfikacji 

(w tym czasie wyĞwietlone bĊdzie okno Progress Manager). 

  

17

19. Pojawi  siĊ  okno  Display  Options  –  Raster  Map.  Kliknij  OK.  Wynik  klasyfikacji 

zostanie wyĞwietlony. MoĪe on wyglądaü np. w sposób taki jak na mapie poniĪej. 

18

Rysunek 8. Przykładowy wynik klasyfikacji nadzorowanej.

20. Otrzymany wynik klasyfikacji moĪe nie byü w pełni satysfakcjonujący, gdyĪ pokrycie 

terenu  w  poszczególnych  miejscach  moĪe  zostaü  błĊdnie  sklasyfikowane.  Mogą

równieĪ  wystĊpowaü  „białe  plamy”  w  miejscach,  gdzie  program  odnajduje  piksele  o 

wartoĞciach,  których  nie  jest  w  stanie  przypisaü  jednoznacznie  do  Īadnej  z  klas.  Na 

niezadowalający wynik mają wpływ takĪe błĊdy osoby klasyfikującej oraz nakładanie 

siĊ  wartoĞci,  jakie  przyjmują  piksele  róĪnych  klas  uĪytkowania  terenu  w  zestawie 

wzorcowym (zaleĪy to od właĞciwoĞci obrazu satelitarnego). BłĊdy mogą byü na tyle 

istotne,  Īe  konieczne  bĊdzie  powtórzenie  procedury  tworzenia  zestawu  wzorcowego, 

wydzielenie wiĊkszej liczby klas lub wybór odmiennej metody klasyfikacji.  

2. Klasyfikacja nienadzorowana

Klasyfikacja nienadzorowana jest znacznie szybsza w wykonaniu, lecz wyniki są zazwyczaj 

mniej  wiarygodne.  W  tym  przypadku  program  analizuje  zakres  wartoĞci  pikseli  obrazu  i 

grupuje  te  wartoĞci  w  pewną  liczbĊ  klas.  Klasy  te  nie  są  zdefiniowane  tematycznie  (np. 

19

zabudowa,  droga,  łąka).  Podział  na  klasy  jest  wykonywany  jedynie  na  podstawie  róĪnic  w 

odpowiedzi  spektralnej  obiektów.  Piksele  o  podobnych  wartoĞciach  zostają  przydzielone  do 

tych  samych  klas.  Istnieją  róĪne  algorytmy  klasyfikacji  nienadzorowanej.  UĪytkownik 

programu  moĪe  zazwyczaj  zdefiniowaü  przybliĪoną  liczbĊ  klas,  jaką  chce  siĊ  uzyskaü, 

maksymalny  zakres  wartoĞci  w  jednej  klasie  oraz  minimalną  róĪnicĊ  wartoĞci  miĊdzy 

klasami. 

1. Z  listy  operacji  Operation-Tree  wybierz  Image  Processing 

Æ  Cluster  (lub  wybierz 

operacjĊ Cluster z listy operacji Operation-List). Otwarte zostanie okno Clustering. 

2. W  oknie  Clustering  wybierz  jako  mapy  wejĞciowe  pliki  „landsat_1”,  „landsat_2”  i 

„landsat_3”.  Wybierz  taką  samą  liczbĊ  klas  jak  w  przypadku  klasyfikacji 

nadzorowanej – Number of Clusters = 4.  

3. Nazwij  mapĊ  wynikową Output  Raster  Map  –  „klas_nienadzor”.  Kliknij  Show. 

Tworzona  jest  mapa  wynikowa  (w  tym  czasie  wyĞwietla  siĊ  okienko  Progress 

Manager). MoĪe to potrwaü dłuĪszą chwilĊ. 

4. Pojawi siĊ okno Display Options – Raster Map. ZatwierdĨ domyĞlne wartoĞci klikając 

OK. WyĞwietlony zostanie obraz (mapa) z wynikami klasyfikacji. 

20

Rysunek 9. Przykładowy wynik klasyfikacji nienadzorowanej. 

Po  zakoĔczeniu  procesu  klasyfikacji  nienadzorowanej,  od  samego  uĪytkownika  zaleĪy 

znalezienie  relacji  miĊdzy  otrzymanymi  klasami  spektralnymi  a  klasami  tematycznymi 

(pokrycia  terenu).  CzĊsto  jednak  wystĊpują  problemy  –  klasa  tematyczna  moĪe  ulec 

podziałowi  na  kilka  klas  spektralnych,  lub,  co  gorsza  kilka  klas  tematycznych  moĪe 

znaleĨü siĊ w jednej klasie spektralnej.  

5. Porównaj  otrzymane  wyniki  klasyfikacji  nadzorowanej  i  nienadzorowanej, 

wyĞwietlając obie mapy. Gdy ukoĔczysz üwiczenie zamknij mapy. 

Ĩródło danych: 

http://glcf.umiacs.umd.edu/data/landsat/

  

obrazy wykonane z satelity LANDSAT ze skanerem TM o rozdzielczoĞci przestrzennej 30 m, 
28.07.1990