1972年，之一顆以60米分辨率收集地球反射率的衛(wèi)星制成。這些過程需要對圖像進行分類以實現(xiàn)空間分辨率的技術。有監(jiān)督和無監(jiān)督分類是分別涉及通過軟件進行人工引導分類 和計算的圖像技術，也被歸類為遙感 *** 。例如，森林、草原、農業(yè)、水和城市等類別。
然而，鑒于在高分辨率數據中很重要，另一種稱為基于對象的分析的技術經常流行。有監(jiān)督和無監(jiān)督的分類都基于像素并 *** 方形像素，其中每個像素都有類別。此外，無監(jiān)督分類被歸為一種基本的技術形式，因其不需要樣品。此外，它是理解和分割圖像的最簡單技術，同時，這兩種技術已經被使用，并在遙感應用方面仍然有需求。應用領域包括環(huán)境、食品安全以及公共安全。多年來，衛(wèi)星圖像的目標是創(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
無監(jiān)督分類。無監(jiān)督有兩個常見步驟，包括生成集群和分配類，可使用遙感軟件 *** 集群。圖像聚類算法最常見的例子是 ISODATA 和 K-means。在采用聚類算法后，確定要生成的組。例如，可以 *** 8、20 和 42 個集群。最相似的像素將在組內有幾個集群。更多的集群增加了組中的可變性。下一步涉及為每個集群手動分配類。如，需要選擇更佳聚類來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土地覆蓋類別的樣本表示。通過使用該軟件將訓練站點應用于整個圖像。監(jiān)督有 3 個常見步驟，包括分類、生成文件簽名和選擇訓練區(qū)域。之一步涉及 *** 訓練樣本。為了說明，標記城鎮(zhèn)與在圖像中標記相同。不斷 *** 訓練樣本，直到獲得每個類別的樣本。出于這個原因，生成了一個保留訓練樣本的簽名。最后，將使用簽名文件運行分類。這將需要讓您識別算法的分類，如 iso 聚類、更大似然、主成分、最小距離和支持向量機。
添加微信好友, 獲取更多信息
復制微信號
2.應用 *** 的區(qū)別
無監(jiān)督分類。無監(jiān)督分類涉及對具有相似特征的圖像進行分組，且是基于軟件。因此，用戶不需要生成樣本類。該軟件使用技術來確定相關的圖像并將它們放在類中，同時，需要指定要使用的算法類型和許多類。然而，用戶應該更多地了解被分類的地點。這在對計算機提供的具有相似特征的圖像進行分類時是必要的。將像素與地球上的真實特征進行比較，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訓練站點對 圖像上的所有像素進行分組。訓練站點也稱為輸入類或測試集，是根據用戶的理解方式選擇的。還可以設置邊界來確定其他像素的關系以將它們放在一起。根據測試集的頻譜特性經常選擇邊界。此外，特定光譜帶中強度的更大值和最小值。用戶可以設計特定圖像已被分類的總類，大多數分析使用無監(jiān)督和有監(jiān)督的分類來提出最終的分組地圖和輸出分析。
3.機器學習的區(qū)別
監(jiān)督分類。大多數實用的學習機器使用監(jiān)督分類。監(jiān)督學習有一個輸入變量 x 和輸出變量 y，它使用一種算法來知道從輸入到輸出的映射函數。主要目標是逼近地圖的功能。如果有新的變量 x 輸入，則可以預測變量 y 的輸出，被稱為監(jiān)督學習，因為可以在教師監(jiān)督學習過程的同時教授算法學習過程。該算法預測由課堂教師糾正的答案。只有在算法達到預期的性能水平后，學習過程才會停止。
無監(jiān)督分類。無監(jiān)督學習得到了一個輸入變量 x 沒有相應的 輸出變量。它的目的是分布數據并為數據中的底層結構建模，以便更多地了解它。
4.觀察差異
監(jiān)督分類。監(jiān)督分類提供類的標簽，通常稱為真實標簽的基礎，進而了解分類的重要特征，從而提高識別水平，特征根據相應的組進行映射。
無監(jiān)督分類。無監(jiān)督分類不提供標簽。需要查看輸入并確定數據的結構?？梢愿鶕R別后的結構進行分類和聚類。如，指派一群孩子到野外觀察動物，但沒有以任何方式幫助它們。
5.準確度的差異
監(jiān)督分類。在準確性方面，監(jiān)督分類對于映射組是準確的。但是，這取決于分析圖像的技能和認知。
無監(jiān)督分類。它基于計算機并幫助我們指定計算機用于揭示固有模式的參數。
6.訓練模型的不同
監(jiān)督學習，涉及一個訓練模型，該模型提供輸入并顯示 每個輸入的正確組。訓練模型用于在訓練期間適用的 預定義組中對新輸入進行聚類。
無監(jiān)督學習。該模型通過饋送輸入進行訓練，但沒有告知每個輸出的類別。訓練輸入聚集在不同的類別中。
7.光譜數據的質量
監(jiān)督分類。它允許用戶將信息放入特殊子類別等類別中。
無監(jiān)督分類。在無監(jiān)督分類中使用訓練數據可能會導致錯誤，因光譜類將具有許多混合像素。
8.分類
監(jiān)督分類。訓練數據是使用精度更高的 GPS 設備從現(xiàn)場采集的。
無監(jiān)督分類。在將標簽快速分配給廣闊或簡單的土地時，無監(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。
來源：開源地理空間基金會中文分會
來源鏈接：https://www.osgeo.cn/post/19cea
本站聲明:網站內容來源于 *** ,如有侵權,請聯(lián)系我們,我們將及時處理。
