5/8/2012 minggu 11. klasifikasi...
TRANSCRIPT
5/8/2012
1
Minggu 11. Klasifikasi Digital
• Distribusi Nilai DN • Pengelompokan Nilai DN Tidak Terbimbing Terbimbing (Parametric/Non Parametric:
feature space) – Minimum Distance – Equiprobability Contours – Probability Density Functions – Parallelepiped Classification – Stepped Parallelepiped
Band 1
Band 2
Band 3 (B)
Band 4 (G)
Band 5 (R)
Band 6
Band 5: 4: 3
Digital Number
Signature Obyek
• Reflektansi obyek disimpan berupa nilai pixel (nilai Digital Number/DN).
• Bila disimpan dalam format 8 bit maka rentang nilai pantulan dari 0 – 255
• Setiap obyek memiliki pola reflektansi (signature) yang berbeda pada setiap band
5/8/2012
2
0
20
40
60
80
100
120
140
160
180
200
0 20 40 60 80
Band 3
Band 4
Hutan Dataran Rendah
Signature Obyek : Hutan Dataran rendah
a. Nilai DN setiap obyek bervariasi. b. Apabila dipetakan pada ruang
berdimensi n (sesuai dengan jumlah band), nilai DN obyek yang sama akan berkelompok pada suatu ruang
c. Peta distribusi nilai DN pada ruang 2 dimensi (scatter plot) disebut feature space
Spectral profil Hutan
0
20
40
60
80
100
120
140
0 20 40 60 80 100
Band 3
Band 4
Signature Obyek : Hutan Mangrove
Feature Space : Distribusi DN bila diplotkan pada 2 sumbu/bands yang berbeda
Aw
Aw
Aw Aw
Aw Aw
Aw Aw
Aw
Aw Aw
Bu
Aw
Aw
Bu Bu
Bu
Bu
Bu
Veg Veg Veg Veg Air
Air
Bu
Bu
Landsat dengan 6 band maka terdpat 15 variasi feature space
5/8/2012
3
Feature Space
Klasifikasi Tidak Terbimbing (Unsupervised Classification)
• Mengelompokan Nilai DN, tanpa campur tangan operator
• Tetap perlu pemahaman lapang untuk reklasifikasi
ISODATA
I - iterative
S - self
O - organizing
D - data
A - analysis
T - technique
A - (application)?
Band A
Ban
d B
Band A
Ban
d B
1st iteration cluster mean
2nd iteration cluster mean
KLASIFIKASI DIJITAL TIDAK TERBIMBING
5/8/2012
4
ISODATA
Band 1
Band 2
Iterasi 1. Data dikelompokan, namun cluster biru terpisah jauh
Iterasi 2. Kluster biru
dipisah menjadi 2,
Cyan and hijau
hanya mempunyai 2
data.
Band 1
Band 2
Band 1
Band 2
Iterasi n. Data pada
kluster biru dan
hijau, dikelompokan
sbg pencilan/
dikelompokan dgn
kluster terdekat.
Hasil Unsupervised Classification
Hasil dari klasifikasi tidak terbimbing belum merupakan informasi land cover/land-use, sampai user melakukan pengecekan ke lapangan ?
?
?
? ?
? ?
Klasifikasi Terbimbing
• Parametric : – Aturan pengelompokan DN berdasarkan
parameter statistik (mean/covarian matrix)
• Non Parametric – Aturan pengelompokan nilai DN, tidak
berdasarkan parameter statistik, tetapi berdasarkan obyek diskret (Poligon) pada feature space.
5/8/2012
5
Klasifikasi/Klastering terbimbing secara Parametric
KLASIFIKASI DIJITAL TERBIMBING PARAMETRIC
Minimum Distance To Means (kedekatan dengan nilai rata-rata tiap kluster)
5/8/2012
6
Probability Density Functions (nilai DN dari obyek berkumpul pada suatu titik tertentu pada suatu ruang observasi/feature
space)
Equiprobability Contours (Maximum Likelihood Classification)
KLASIFIKASI DIJITAL TERBIMBING NON PARAMETRIC
5/8/2012
7
Non-Parametric Parallelepiped Classification
• Setiap kelas dikelompokan
dengan menggunakan kotak
spektral (Spectral box)
•Terjadi overlap antar kotak, krn
adanya korelasi band pada
setiap kelasnya.
•Data yg overlap dapat
dikelompokkan sebagai tidak
terklasifikasi
Stepped Parallelepiped Strategy
Test Akurasi
Conalton & Green, 1957
5/8/2012
8
Mengapa error bisa tinggi ?
– Errors in reference data • Kesalahan posisi
• Kesalahan menempatkan sample
• Kesalahan intepreter
– Errors in classified map • Image sudah out of date
• Image terganggu awan/haze
• Sample terlalu sedikit/tidak mewakili semua tipe land cover
• Secara spektral memang tidakbisa dibedakan.