Pós-Processamento • Idealmente todas as classes são
Transcrição
Pós-Processamento • Idealmente todas as classes são
IGOT Pós-Processamento • Idealmente todas as classes são homogéneas • Pixéis isolados mal classificados: efeito salt & pepper Imagem Júlia Seixas, 2006 FCT | UNL Classificação Filtros Filtro Moda IGOT Vizinhança de 8 Filtros IGOT Para remover os pixéis únicos, mal classificados na imagem, o filtro de moda é aplicado (Majority Filter). Os resultados são indicados na imagem. Observe-se que muitos dos pequenos grupos de pixéis desapareceram . Filtros IGOT MODA Experimentar o Focal Statistics IGOT Mapa de uso do solo Podemos ter confiança no resultado? Em que medida o mapa de uso do solo corresponde à realidade? O resultado é VÁLIDO? IGOT Avaliação da precisão da classificação Áreas de Teste Imagem Classificada URBANO AGUA FLORESTA AREA AGRICOLA Índice de concordância (0-100%) Avaliação do erro IGOT A tabela de contingências, matriz de confusão ou matriz de erro, permite avaliar a exactidão semântica do mapa temático produzido CAMPO Dispõem-se as classes correspondentes à classificação em linhas e as relativas à realidade em colunas CLASSIFICAÇÃO 1 2 3 4 5 0 0 1 480 0 5 0 0 2 52 0 20 0 0 313 40 0 3 0 16 0 126 0 4 0 0 38 24 359 5 Total 480 68 356 210 359 Total 485 72 353 142 421 1473 CLASSES DE USO 1. Água 2. Praia 3. Mata 4. Urbano 5. Agrícola IGOT Os elementos bem classificados encontram-se representados ao longo da diagonal da matriz e todos os elementos situados fora da diagonal correspondem a erros de classificação. Existem dois tipos de erros: os de comissão (EC) que ocorrem quando se atribui um pixel da imagem a uma classe à qual ele não pertence (inclusão) e os de omissão (EO), que se traduzem em não atribuir a determinada classe um pixel que lhe pertence (exclusão). Create random points (data managment tools/feature class) – sample (spatial analyst/extraction) (amostra) ou Combine (spatial analyst/local) (todos os dados) IGOT Na matriz, os erros de omissão correspondem aos elementos não diagonais de cada coluna e os erros de comissão aos elementos não diagonais de cada linha A exactidão global é obtida dividindo o número total de pixéis correctamente classificados (a soma dos elementos da diagonal) pelo número total de pixéis existentes na imagem de referência. Da mesma forma, a exactidão de cada categoria pode ser obtida através do quociente entre os pixéis correctamente classificados de uma categoria e o número total de pixéis da linha ou coluna correspondente. IGOT Desta medida podem extrapolar-se dois outros indicadores conhecidos como exactidão do produtor (EP) e exactidão do utilizador (EU), os quais consideram que o primeiro está mais interessado na exactidão do processo de atribuição e o segundo na qualidade do mapa produzido EP 1 EO 100 e EU 1 EC 100 Contudo, mesmo uma atribuição dos pixels às classes feita totalmente ao acaso pode resultar numa percentagem não nula de resultados certos. Para fazer face a esta situação é costume recorrer-se a outro método para aquilatar a exactidão da classificação. k r i 1 i 1 N xii xi * xi r N xi * xi 2 Áreas Classificadas IGOT r i 1 Áreas de teste A B C D A XAA XAB XAC XAD XA+ B XBA XBB XBC XBD XB+ C XCA XCB XCC XCD XC+ D XDA XDB XDC XDD XD+ X+A X+B X+C X+D X r –nº linhas da matriz de confusão Xii – nº de observações da linha i e coluna i, ou seja, nº de pixéis bem classificados Xi+, x+i – totais marginais da linha i, coluna i, ou seja, nº de pixéis mal classificados N – nº total de observações. Este método avalia a concordância entre o resultado da classificação, obtida através da aplicação do método desenvolvido (designada por exactidão observada) e uma atribuição puramente aleatória de classes aos pixels (designada por concordância devido ao acaso). Esta medida de concordância é designada por índice Kappa (), KHAT ou KIA (Kappa Index of Agreement) sendo definido em termos dos elementos (xij) da tabela de contingências IGOT Fiabilidade é o grau (usualmente em termos de percentagem) de correspondência entre a observação e a realidade. Cada uma das categorias classificadas está realmente presente nos respectivos locais na realidade? As fronteiras que separam as categorias são válidas para os locias onde foram encontradas? Qualidade dos produtos da classificação IGOT A fiabilidade associada aos produtos de classificação derivados por detecção remota depende de: - áreas de treino Fiabilidade em função da resolução espacial apropriadas - tamanho, forma, distribuição e frequência de ocorrência de áreas individuais associadas a cada tema - performance do sensor - métodos de classificação Fonte: Remote Sensing Tutorial, http://rst.gsfc.nasa.gov/ Fiabilidade em função da resolução espectral IGOT O aumento de uma para duas bandas produz uma melhoria na qualidade da classificação. A partir de 4 bandas deixa de haver melhoria – correlação entre as bandas. Fonte: Remote Sensing Tutorial, http://rst.gsfc.nasa.gov/ Tipos de erros IGOT I - Erros na Aquisição de Dados: performance do sensor, estabilidade da plataforma, condições de visão e registo. A correcção destes erros é feita on-board (e.g., calibração da resposta do detector com on-board light sources que geram radiâncias conhecidas). II – Erros de Processamento de Dados: é o caso de uma incorrecta georreferenciação, por exemplo com erros superiores a 1 pixel; Referenciação incorrecta de vários pixéis comprometem significativamente a fiabilidade da classificação. III – Erros dependentes da cena: como definimos e estabelecemos uma classe, em função, em particular, da resolução espacial. A classificação e a avaliação do erro assenta nos pixéis puros Principal fonte de erro IGOT Um "mixed pixel" resulta do facto de área individuais, incluindo diferentes elementos Pixéis Mistos ou classes, serem menores do que a resolução do sensor. • Áreas homogéneas • Aumentar a resolução do ground truth • Modelos matemáticos • Grande incerteza