土地分類後の結果では、結果の見栄えがよくないことがよくあります。この主な理由は、分類後の結果が断片化しているため、対応するクラスター処理を実行し、土地のピクセル値の周囲の単一ポイントを使用する必要があります。ピクセル ストリップ内の 1 つの点は 2 つの方法で処理されます。
分類結果の後処理 教師
付き分類結果には、多くの場合、誤って分類されたピクセルによって引き起こされるごま塩ノイズが含まれます。通常、このノイズを除去するには、いくつかの後処理技術を使用するのが最善です。以下のスクリプトには、分類結果に対して一般的に使用される 2 つの後処理手法のコードが含まれています。
教師なしクラスタリングを使用して、各クラスター内のカテゴリ値を多数決の値に置き換えます。
マジョリティフィルターを使用して、孤立したピクセルを周囲の値に置き換えます。
近傍法はスケールに依存するため、ズームイン/ズームアウトすると結果が変化することに注意してください。結果を目的のスケールでエクスポートして、後処理の効果を確認します。
土地分類画像はクラスタ化でき、通常は次の手順が含まれます。
-
データ形式変換: 分類された画像を GeoTIFF、TIFF などの一般的なラスター形式に変換します。
-
データの前処理: ノイズ除去、トリミング、投影などが画像に対して実行され、その後のクラスター分析が容易になります。
-
特徴抽出: 分類された画像からピクセル値、ピクセル位置、テクスチャなどの特徴データを抽出します。
-
データ クラスタリング: 適切なクラスタリング アルゴリズムを選択して、抽出された特徴データをクラスタリングしてさまざまなカテゴリを取得します。
-
クラスター分析: 各カテゴリーの面積、周長、形状、その他の指標を計算し、異なるカテゴリーの変化傾向を比較するなど、クラスター化の結果を分析します。
-
結果の視覚化: カテゴリ分布図や傾向図などを描画するなど、分析結果を視覚化して、より直感的なデータ分析と意思決定を実現します。
元の機密画像: