Vorlesung 11

Question 1

Definition von klassen durch setzten von referenzpixel

Answer 1

-bestimmen der semantischen klassen, die im bild unterschieden werden sollen(anzahl und art)
-wahl der für jede klasse repräsentativen trainigsbereiche im bild
-vergleich der kartierten flächen mit den reflexionswerten im sat-bild
–>die spektralen charakteristika, die sich aus den trainingspixeln der gewählten klassen ergeben, werden festgelegt und abgespeichert

Question 2

Trainigsdaten sollten:(3)

Answer 2

-repräsentativ für eine klasse sein
-für jede klasse eine unimodale verteilung aufweisen(kriterium der homogenität)
-die klassen sollten spektral unterscheidbar sein(kriterium der trennbarkeit)

Question 3

Klassifikation, wonach werden die pixel zugeordnet?

Answer 3

-jedes pixel wird klasse zugewiesen derer er am ähnlichsten ist
-jede klasse bekommt einen grauwert zugewiesen
-nicht zuordbare pixel erhalten attribut “unknown”

Question 4

Methoden um “am ähnlichsten” zu definieren

Answer 4

-minimum-distance
-parallel-epiped
-maximum-likelihood
-komplexe verfahren

Question 5

Euklidische distanz

Answer 5

Luftstrecke von punkt zu punkt

Mithilfe des satz des pythagoras

Question 6

Minimum distance verfahren

Answer 6

Für jeden punkt die berechnung der euklidischen distanz zum mittelpunkt aller punkte

Question 7

Validierung der ergebnisse durch was?

Answer 7

Konfusionsmatrix
(Um güte der trainingsgebiete und finalen klassifikationsergebnisse zu erhalten)

Question 8

Fehler in der konfusionsmatrix

Answer 8

-alle nicht ihrer klasse zugewiesenen pixel:fälschlicher ausschluss(nicht diagobale spalte)
-alle irtümlich zugewiesenen pixel:fälschliche einschluss(nichtdiagonale zeile)

Question 9

Overall accuracy

Answer 9

Alle korrektklassifizierten pixel/alle referenzpixel der kartierung
(Alle diagonalen zahlen+ und durch gesamt zahl)
Z.b. 35+37+41/136=0.83oder83%

Question 10

Producer accuracy

Answer 10

Alle korrekt klassifizierten pixel einer klasse/pixel der referenzklasse der kartierung(eine zahl aus der diagonalen durch die in der unten stehenden zeile (total))
Bsp. 35/50=0.7 oder70%

Question 11

User accuracy

Answer 11

Alle korrektklassifizierten pixel einer klasse/summe aller pixel dieser klasse in klasifikation(eine zahl aus der diagonalen durch total zahl aus der spalte)
Bsp. 35/39 =0.89oder89%

Question 12

Unüberwachte klassifikation

Answer 12

-zusammenfassung von pixel aufgrund ihrer ähnlichen spektralen eigenschaftem
-unüberwacht=nutzer greift erst nach der eigentlichen einteilung in klassen ein (definiert aber die anzahl der zu bildenden klassen)

Question 13

Vorgehensweise der unüberwachten klassifikation

Answer 13

Pixel werden derjenigen gruppen zugeordnet zu der der abstand minimal ist(euklidische distanz)

Question 14

Klassenbildung von einem pixel aus

Answer 14

Schrittweise werden jeweils ähnliche pixel zusammengefasst
Am ende sind alle pixel in einer klasse

Question 15

Klassenbildung von der gesamtmenge aus

Answer 15

Die größten unähnlichkeiten werden geteilt bis man bei der gewünschten klassenmenge angekommen ist
=clustering