آموزش طبقه بندی نظارت شده در ENVI

به یکی از مهم ترین جلسات دوره آموزشی انوی خوش آمدید. در این جلسه قرار است که نحوه طبقه بندی نظارت شده را بیاموزید. شاید لازم باشد این ویدئو آموزشی را چندین باز مشاهده کنید و با اصول اصلی و اولیه طبقه بندی نظارت شده یا Supervised classification آشنا شوید. در ویدئو آموزش طبقه بندی نظارت شده در ENVI در مورد روش های نمونه بردای، و انواع طبقه بندی مباحث ارائه شده است.

آموزش طبقه بندی نظارت شده در ENVI

طبقه‌بندی تصاویر ماهواره‌ای یک فرآیند مهم در حوزه پردازش تصویر و مطالعات محیطی است که با استفاده از داده‌های به دست آمده از ماهواره‌ها، سطوح زمین را به گروه‌ها یا دسته‌های مختلف دسته‌بندی می‌کند. این فرآیند به تحلیل و تفسیر اطلاعات موجود در تصاویر ماهواره‌ای برای درک بهتر و کاربردهای متنوعی از جمله نظارت بر محیط زیست، برنامه‌ریزی شهری، کشاورزی، منابع طبیعی و غیره کمک می‌کند.

طبقه‌بندی نظارت شده در سنجش از دور استفاده می‌شود تا پیکسل‌ها یا اشیاء تصویر در یک تصویر ماهواره‌ای یا هوایی را به کلاس‌ها یا انواع پوشش زمینی پیش‌تعیین‌شده دسته‌بندی کند. بر خلاف طبقه‌بندی بدون نظارت که در آن الگوریتم الگوها را شناسایی و پیکسل‌ها را بدون نمونه‌های آموزشی پیش‌تعیین‌شده گروه‌بندی می‌کند، طبقه‌بندی نظارت شده بر اطلاعات آموزشی نشان داده شده توسط برچسب‌گذاری نمونه‌ها تکیه دارد.

مراحل طبقه بندی نظارت شده در انوی

در زیر یک دیدگاه کلی از فرآیند طبقه‌بندی نظارت شده در حسگری از دور آورده شده است:

جمع‌آوری داده‌های آموزش:

یک مجموعه از داده‌های آموزش جمع‌آوری کنید که شامل نمونه‌های نماینده هر کلاس یا نوع پوشش زمینی موجود در تصویر است. این نمونه‌ها باید با اطلاعات کلاس متناظر برچسب‌گذاری شوند.
به‌دست‌آوردن تصویر: تصویر ماهواره‌ای یا هوایی را که می‌خواهید طبقه‌بندی کنید، به‌دست‌آورید.
پیش‌پردازش تصویر: مراحل پیش‌پردازش را انجام دهید، مانند اصلاحات رادیومتری و هندسی برای افزایش کیفیت تصویر.
انتخاب ویژگی: باندهای طیفی یا ویژگی‌های مرتبط را از داده‌های سنجش از دور انتخاب کنید. این انتخاب بستگی به ویژگی‌های اشیاء یا انواع پوشش زمینی دارد که می‌خواهید طبقه‌بندی کنید.
انتخاب طبقه‌بند: یک الگوریتم یا روش طبقه‌بندی را انتخاب کنید. طبقه‌بندهای معمول شامل احتمال بیشینه، ماشین‌های بردار پشتیبان (SVM)، جنگل تصادفی و ... می باشد.
برداشت نمونه تعلیمی:  در این مرحله باید از ویژگی یا عوارض روی تصاویر نمونه بردای کنید.
طبقه‌بندی کل تصویر: طبقه‌بند نظارت شده را بر روی تصویر کلی اعمال کنید تا هر پیکسل یا قطعه را به یکی از کلاس‌های پیش‌تعیین‌شده طبقه‌بندی کنید.
پس‌پردازش پس از طبقه‌بندی: نتایج طبقه‌بندی را از طریق مراحل پس‌پردازش مانند فیلترینگ یا اکثریت‌سنجی بهبود دهید تا دقت افزایش یابد.

روش های معروف طبقه بندی نظارت شده در انوی

• maximum likelihood classification
• minimum distance classification
• mahalanobis distance classification
• parallelepiped classification
• support vector machine classification
• neural network classification

تمرین: برای تصاویر خود طبقه بندی بندی نظارت شده را انجام دهید و نتایج را گزارش بدهید.