ПОРІВНЯЛЬНИЙ АНАЛІЗ МЕТОДІВ КЛАСИФІКАЦІЇ ОПТИЧНИХ СУПУТНИКОВИХ ЗОБРАЖЕНЬ ВИСОКОЇ РОЗДІЛЬНОЇ ЗДАТНОСТІ

Анотація

Класифікація супутникових зображень високої роздільної здатності використовується в різноманітних сферах, таких як міське планування, екологічний моніторинг, боротьба зі стихійними лихами та оцінка сільського господарства. Традиційні методи класифікації є неефективними через складні характеристики багатоканальних зображень високої роздільної здатності: наявність тіней, складні текстури та взаємне перекриття різних об'єктів. Це зумовлює необхідність вибору ефективного методу класифікації для подальшого тематичного аналізу даних. У цьому дослідженні проводиться комплексна оцінка точності найбільш відомих методів класифікації (паралелепіпед, мінімальна відстань, відстань Махаланобіса, максимальна подібність, карта спектрального кута, розходження спектральної інформації, двійкове кодування, нейронна мережа, дерево рішень, випадковий ліс, метод опорних векторів, K-найближчий сусід і карта спектральної кореляції). Для проведення оцінки використано супутникові знімки високої роздільної здатності космічного апарату WorldView-3. Для усіх досліджуваних методів класифікації побудовано матриці помилок. Аналіз результатів дозволив зробити висновок, що нейронні мережі та метод опорних векторів мають вищу загальну точність класифікації порівняно з іншими методами. Частина розглянутих методів, при загальній низькій точності класифікації, продемонструвала високу точність виділення окремих класів, зокрема, таких як рослинність та об’єкти міської забудови. Результати роботи можуть бути використані для вибору найбільш ефективного методу класифікації земної поверхні в залежності від завдань подальшого тематичного аналізу даних супутникової зйомки високої роздільної здатності.