 |
Bodenverifikation - Mischpixel
Ein "Mischpixel" entsteht, wenn einzelne Flächen, die verschiedene Merkmale, Objekte oder Klassen enthalten, unter der Auflösung des Sensors liegen (kleiner sind als diese Auflösung). Betrachten Sie diese hypothetische Karte einer ländlichen Siedlung:
In diesem Moment wird jede Kategorie als mehr oder weniger homogen behandelt. Wenn die Aufnahme von einem Sensor stammt, dessen momentanes Blickfeld (instantaneous field of view, IFOV) (durch die Optik und die Geschwindigkeit der Aufnahmen gesteuert) zu einer Pixelgröße führt, die von den kleineren Rechtecken dargestellt wird, und dann ein einzelnes Pixel vollständig innerhalb der Grenzen einer gegebenen Klasse liegt - oder zufälligerweise mit ihr übereinstimmt - dann sind die DNs für dieses Pixel Werte, die von den multispektralen Eigenschaften der die betreffende Klasse ausmachenden dominanten Materialien bestimmt sind.
Es ist jedoch wahrscheinlicher, dass das Pixel über mehrere Klassen- oder Merkmalsgrenzen hinausgeht.
Der sich ergebende Spektralgehalt ist dann ein zusammengesetzter oder gewichteter Durchschnitt der spektralen Empfindlichkeiten aus jeder internen Klasse.
Die Erkennung jedes Merkmals oder jeder Klasse wird schwierig, da es zwei Hauptunbekannte gibt - die Identität der Klasse und ihr relatives Auftreten im Gemisch.
Es gibt mathematische Verfahren, um diese Unbekannten zu lösen, aber es bleibt immer ein Rest statistischer Ungewissheit.
Eine Verbesserung besteht darin, die Pixelgrösse zu verringern (die Auflösung zu erhöhen), wie es hier im mittleren Rechteck getan wird, so dass mehr Pixel innerhalb des von einer einzigen Klasse oder Merkmal belegten Raumes fallen und weniger Pixel über Grenzen gehen (im anderen Sinne beachten Sie die Auswirkung einer Vergrößerung der Pixel [zum Beispiel bis zur Größe der Außengrenze des Clusters 9]).
Die Grundregel bei der Optimierung der Klassifikation heißt, eine Auflösung zu finden, die den Größen der kleinsten spezifischen Klassen entspricht, die identifiziert werden sollen.
Text- und Bildquelle: NASA Remote Sensing Tutorial
|