Studium, Ausbildung und Beruf

web uni-protokolle.de
 powered by
NachrichtenLexikonProtokolleBücherForenSamstag, 16. November 2019 

Automatische Klassifizierung


Dieser Artikel von Wikipedia ist u.U. veraltet. Die neue Version gibt es hier.
Unter automatischer Klassifizierung lassen sich verschiedene automatische Verfahren zur Klassifizierung von Objekten anhand ihrer Merkmale in Klassen zusammenfassen. Die automatische Klassifikation steht im zur manuellen Klassifizierung bei der die zu klassifizierenden Objekte Menschen den entsprechenden Klassen zugeordnet werden.

Siehe auch: Mustererkennung

Zur Klassifikation gibt es verschiedene Mittel:

  • Parametrische Methoden
  • Halbparametrische Methoden und
  • Nicht-Parametrische Methoden:

Inhaltsverzeichnis

Arten der Klassifizierung

Siehe auch: Clusteranalyse

automatische Klassifizierung

Bei der automatische Klassifikation werden Bildpunkte so genannte Cluster von einem Computersystem anhand automatischen statisischen Auswertung aus Primärdaten ohne weitere in verschiedenen Reflexionsgraden gebündelt. Der Vorteil liegt dass in relativ kurzer Zeit alle möglichen (Klassen) erkannt werden. Daher wird die automatische oft der überwachten automatische Klassifikation vorgeschaltet.

überwachte automatische Klassifikation

Die überwachte automatische Klassifikation arbeitet ebenfalls Clustern die aber durch den Bildauswerter anhand Informationen über das zuklassifizierende Gebiet gebildet werden die Grundlage für die automatische Erkennung bilden.

Der Vorteil liegt bei der späteren Erkennung von Clustern z.B. gleicher Vegetation mit Reflexionsgraden die sich aus inhomogenen Gesundheits- oder ergeben können.

Verfahren der geringsten Distanz

Diese Methode (engl. Minimum Euclidian Distance) davon aus das diejenigen Reflexionsgrade eines Clusters im Erkennungsgebiet dicht nebeneinander liegen auch zusammen Für jeden Cluster werden dazu Mittelwerte der gebildet anhand deren noch unklassifizierte Pixel jeweils am Nächsten liegenden Cluster zugeordnet werden.

Verfahren der größten Wahrscheinlichkeit

Diese Methode (engl. Maximum likelihood) ist rechenintensiv da angenommen wird dass die Refelxionsgrade Clusters eine Gauß'schen Normalverteilung um den Mittelwert Jedes unkassifizierte Pixel wird dem Cluster zugeordnet es mit der größten Wahrscheinlichkeit bezogen auf Reflexionsgrad angehört.

Vor- und Nachteile

Der erfolgreiche Einsatz der automatischen Klassifikation wesentlich von der Homogenität des Gebietes ab.
  • Großflächige reliefarme Landwirtschafts- oder Waldgebiete sind hervorragend
  • Inhomogene komplexe stark variierende Gebiete wie Städte größere Probleme.

Der größte Nachteil ist dass es in jedem Fall um eine Zusammenfassung und von komplexen Sachverhalten der Natur handelt. Daher es keine 100%ig richtige Klassifizierung.

Beispiele

Clusterbestimmung

Automatische Clusterbildung

Manuelle Clusterbildung

Automatische Klassifizierung durch den Computer. Bildung von verschiedenen Clustern. Überwachte automatische Klassifikation. Bildung von Trainigsgebieten durch Bildauswerter.

Klassifikation

Klassifikation

Klassifikation

Klassifikation nach dem Verfahren der geringsten Distanz. Klassifikation nach dem Verfahren der größten Wahrscheinlichkeit.



Bücher zum Thema Automatische Klassifizierung

Dieser Artikel von Wikipedia unterliegt der GNU FDL.

ImpressumLesezeichen setzenSeite versendenSeite drucken

HTML-Code zum Verweis auf diese Seite:
<a href="http://www.uni-protokolle.de/Lexikon/Klassifikationsverfahren.html">Automatische Klassifizierung </a>