Доступно с лицензией Spatial Analyst.
Алгоритм, используемый инструментом Классификация по методу максимального подобия, основывается на двух основных принципах:
- Значения ячеек в выборке для каждого класса в многомерном пространстве подчиняются закону нормального распределения
- Используется теория Байе (теорема принятия решений)
Этот инструмент, при отнесении каждой ячейки к одному из классов, представленных в файле сигнатур, учитывает как средние, так и ковариации сигнатур классов. При допущении, что выборка для класса подчиняется нормальному распределению, класс может быть охарактеризован вектором среднего и матрицей ковариации. После присвоения этих двух характеристик каждому значению ячейки из каждого класса, для определения принадлежности ячеек к тому или иному классу, вычисляется статистическое правдоподобие. Если задана опция по умолчанию EQUAL для Взвешенной априорной вероятности, каждая ячейка будет отнесена к тому классу, вероятность принадлежности ячейки к которому максимальна.
Если вероятность встречаемости некоторых классов выше (или ниже) среднего, должна использоваться опция FILE, работающая с Входным файлом априорной вероятности. Веса классов с определенными вероятностями задаются в файле априорных вероятностей. В такой ситуации, файл априорных вероятностей помогает в определении местоположения ячеек, которые попадают в статистическое перекрытие двух классов. Такие ячейки будут отнесены к соответствующему классу с большей точностью, что, в итоге, приводит к лучшим результатам классификации. Такой подход к классификации с применением взвешивания носит название байсовского классификатора.
При выборе опции SAMPLE, априорные вероятности, присвоенные всем классам, представленным во входном файле сигнатур, будут пропорциональны числу ячеек, отнесенных к каждой сигнатуре. Следовательно, классы, в которые попадает меньшее число ячеек, чем среднее для выборки, получат веса ниже среднего, а те, в которых ячеек больше, получат большие веса. В результате, к соответствующим классам будет отнесено большее или меньшее количество ячеек.
Когда выполняется классификация по методу максимального подобия, дополнительно может быть также создан выходной растр достоверности. Этот растр показывает уровни достоверности классификации. Число уровней достоверности равно 14; это число напрямую связано с числом действительных значений доли отклонения. Первый уровень достоверности, код которого на растре достоверности – единица, состоит из ячеек, удаленных от любого вектора среднего, хранящегося в файле сигнатур, на самое короткое расстояние; следовательно, классификация этих ячеек выполнена с наибольшей определенностью. Ячейки, составляющие второй уровень достоверности (значение ячейки 2 на доверительном растре) будут классифицированы, только если исключенная область равна 0,99 или меньше. Наименьший уровень достоверности имеет значение 14 на растре достоверности, показывающим ячейки, которые скорее всего будут неправильно классифицированы. Ячейки этого уровня достоверности не будут классифицированы, когда доля отклонения равна 0.005 или больше. Если ячейки, классифицированные на определенном уровне достоверности, отсутствуют, то такой уровень достоверности не будет представлен в выходном растре доверия.
Пример
В примере ниже показано, как Классификации по методу максимального подобия используется для выполнения управляемой классификации многоканального растра на 5 классов по типу землепользования.
Исходный многоканальный растр для классификации - это необработанный четырехканальный снимок со спутника Landsat TM на территорию северной части г. Цинциннати, штат Огайо.
По изображению в классе объектов задаются пять классов землепользования для получения обучающих выборок: Коммерческое/Промышленное (Commercial/Industrial), Жилое (Residential), Пашни (Cropland), Леса (Forest) и Пастбища (Pasture). Инструмент Создать сигнатуры используется для вычисления статистики по классам для создания файла сигнатур.
С помощью входного многоканального растра и файла сигнатур, инструмент Классификация по методу максимального подобия используется для классификации ячеек растра на пять классов.
- Параметры, используемые в диалоговом окне инструмента Классификация по методу максимального подобия:
Входные каналы растра – northerncincy.tif
Входной файл сигнатур – signature.gsg
Выходной многоканальный растр – landuse
Исключенная область – 0.0
Взвешенная априорная вероятность – EQUAL
Входной файл априорной вероятности – <пусто>
Выходной растр достоверности – confidence_ras
Классифицированный растр выглядит следующим образом:
Также будет создан выходной растр достоверности. Ниже приведена итоговая таблица атрибутов растра достоверности. В нем показано число ячеек, классифицированных с той или иной степенью доверия. Значение 1 имеет 0.995-процентную вероятность того, что ячейка классифицирована правильно. С этим уровнем доверия классифицировано 69 ячейки. Значение 5 имеет по крайней мере 0,9-процентную вероятность того, что ячейка классифицирована правильно, что меньше, чем 0.995. Имеется 744128 ячеек с вероятностью правильной классификации менее 0,005, им присвоено значение 14.
RECORD VALUE COUNT 0 1 69 1 2 462 2 3 1834 3 4 1123 4 5 2044 5 6 9140 6 7 28443 7 8 46781 8 9 63234 9 10 46393 10 11 42157 11 12 54506 12 13 37937 13 14 744128