Генерализация классифицированного растрового снимка

Одно из наиболее общих применений инструментов Генерализации (Generalization) – обработка корректности классифицировнного изображения, которое было получено из программного обеспечения дистанционного зондирования. Обработка классификации часто приводит к созданию большого количества изолированных маленьких зон данных, которые были неправильно переклассифицированы или не соответствуют анализу.

Создание генерализованной карты землепользования со спутникового снимка

На следующем примере показана типичная последовательность применения инструментов генерализации для создания растрового слоя, который больше подходит для представления или последовательного анализа.

Каждый инструмент может использоваться по-отдельности или в сочетании с другими инструментами очистки данных для различных приложений.

Начало с необработанной сцены спутника

На рисунке ниже показаны необработанные спутниковых изображений, которые будут классифицированы. Хотя процесс классификации не будет явно описан, в следующем разделе будут подробно раскрыты некоторые причины того, что прямой результат обычно нуждается в дальнейшей обработке, чтобы быть полезным.

Необработанное изображение, которое будет генерализоваться

Результат изображения после классификации

В классификации с обучением на изображении определяются обучающие образцы, например, спутниковый снимок. Учебные образцы принимаются в различных типах землепользования для определения водных ресурсов, жилых построек, лиственных и хвойных деревьев и т.д. Из этих учебных образцов, все другие местоположения ячейки в изображении отнесены к одному из этих известных типов земли или пользования. Иногда сигнатуры землепользования (полученная из обучающих образцов статистика) аналогичны, что затрудняет различение между двумя классами. Например, при существующих обучающих образцах, программное обеспечение может не быть в состоянии отличить болота с ольхой и водно-болотные угодия с лиственными деревьями. Это может быть связано с недостаточным числом обучающих образцов или с тем фактом, что некоторые типы землепользования никогда не были прорисованы. Эти ограничения, а также другие, могут привести к неверной классификации некоторых местоположений.

В результате одна ячейка или небольшая группа ячеек могут быть неправильно классифицированы как объекты, отличные от моря ячеек, окружающих ее, когда в действительности, объект принадлежит к группе ячеек, которые его окружают. Другой типичной областью неверной классификации являются границы между различными типами землепользования. Часто в результате получается негладкое, нереалистичное представление границы, которое может быть сглажено с помощью инструментов генерализации.

Ниже приводится классификация спутниковых снимков. Обратите внимание, что есть много небольших, изолированных единичных ячеек или групп ячеек по всему снимку.

Выходной растр после классификации

В следующих разделах показано, как можно применить инструменты генерализации для создания конечного классифицированного растра.

Более подробно:

Для получения более подробной информации о классификации снимков с помощью дополнительного модуля Дополнительный модуль ArcGIS Spatial Analyst см. раздел Классификации изображений.

Удаление неправильно классифицированных снимков с помощью Фильтр большинства (Majority Filter)

Для удаления единичных, неверно классифицированных ячеек в классифицированном изображении применяется инструмент Фильтр большинства (Majority Filter). Результаты показаны на рисунке ниже. Обратите внимание, что исчезло много маленьких групп ячеек.

Растр после применения инструмента Фильтр большинства (Majority Filter)

Сглаживание зон с помощью инструмента Удаление границ (Boundary Clean)

Для сглаживания границ между зонами можно выполнить инструмент Удаление границ (Boundary Clean). Путем расширения и сокращения границ, большие зоны будут вторгаться в меньшие зоны, как показано на рисунке ниже. Опять таки обратите внимание, что исчезло еще больше маленьких и тонких групп ячеек.

Растр после применения инструмента Удаление границ (Boundary Clean)

Определение кластеров с помощью инструмента Группировка (Region Group)

Инструменты Фильтр большинства (Majority Filter) и Удаление границ (Boundary Clean) будут обрабатывать только единичные или маленькие кластеры нескольких неверно классифицированных ячеек путем присвоения им значения, которое возникает наиболее часто в мгновенной окрестности. Предположим, однако, что существует определенный порог размера, ниже которого отдельные группы похожих ячеек считаются слишком маленькими, чтобы быть значимыми в последующем анализе. Эти кластеры должны быть распределены в окружающие группы. Например, любые непрерывные кластеры одной категории землепользования, которые меньше 7200 квадратных метров, считаются не важными для анализа. Однако эти изолированные участки не могут быть обработаны по-отдельности, т.к. они имеют такое же значение землепользования, что и вся зона.

Для разрешения этой проблемы применяется инструмент Группировка (Region Group). Этот инструмент присвоит уникальный идентификатор каждому участку входного растра (классифицированное изображение). Участок – это непрерывная группа значений с одним значением. Рассмотрим одну зону, состоящую из двух участков, которые не связаны. Инструмент Группировка (Region Group) разделит эту зону на две новые зоны, каждая из которых будет иметь значение уникального идентификатора (зоны). Значение исходной зоны поддерживается как поле LINK в выходной таблице атрибутов. Результирующий растр показан ниже, он отображает различные выходные зоны.

Растр после применения инструмента Группировка (Region Group)

Удалите области, меньшие порогового значения

Далее, используя инструмент выборки, например, Извлечь по атрибутам (Extract by Attributes) в наборе Извлечение (Extraction), выходной растр создается на месте удаленных участков, меньших порогового значения области.

Очень маленькие участки, выбранные и удаленные для использования в качестве Маски (Mask)

Удаление маленьких участков с помощью инструмента Отсечение (Nibble)

При использовании инструмента Отсечение (Nibble) на результирующем растре инструмента извлечения (который определяет удаляемые участки) и со значениями из классифицированного растрового изображения, инструмент удаляет и заменяет каждую ячейку на ближайшую ячейку со значением на классифицированном растре.

Маленькие участки, определенные в маске, удаленной с помощью инструмента Отсечение (Nibble)

Выходная генерализованная карта землепользования

При использовании элемента связи из результатов инструмента Группировка (Region Group), исходные значения зоны из классифицированного изображения повторно присваиваются отдельным участкам, созданным инструментом Группировка (Region Group).

Выходная генерализованная карта землепользования

Результатом является более генерализованная карта землепользования, которые могут использоваться в последующем анализе.