klasifikasi data citra -...

4/30/2012

1

Minggu 10: Klasifikasi Data Citra Proses Sebelum Klasifikasi

• Koreksi Geometri • Koreksi Radiometri • Koreksi Topografi • Penajaman Citra

Klasifikasi Pemilihan Kombinasi warna Teknik Klasifikasi

• Visual • Dijital Tidak Terbimbing Terbimbing Parametric Non-Parametric

Minggu 9

Sumber bacaan

http://web.pdx.edu/~emch/ip1/bandcombinations.html

http://www.crisp.nus.edu.sg/~research/tutorial/opt_int.htm

PRINCIPLES OF REMOTE SENSING

Dr. S. C. Liew

Centre for Remote Imaging, Sensing and Processing

National University of Singapore

Blk S17/SOC1 Level 2, Lower Kent Ridge Road

Singapore 119260

KOMBINASI WARNA

Panchromatic Images Multispectral Images/

Color Composite Image

Berbagai warna dapat dibuat

berdasarkan 3 warna primer

(Hukum warna Aditif)

http://www.crisp.nus.edu.sg/~research/tutorial/opt_int.htm

4/30/2012

2

True Colour Composite/Natural color

Kombinasi 3 warna yang

disusun berurutan RGB,

sehingga menghasilkan

warna yang sama dengan

warna yg ditangkap mata

ketika memandang alam

terbuka

Untuk Landsat/Ikonos :

kombinasi band RGB =

3:2:1

False colour composite :

R = band 4

G = band 3

B = band 2

Vegetasi akan berwarna

merah dengan berbagai

tone. Variasi ini banyak

digunakan untuk studi

klasifikasi vegetasi.

Merah tua menunjukkan

vegetasi yang lebih

padat/lebih sehat

Semakin muda

menunjukkan vegetasi

yang jarang.

Air dangkal/keruh terliha

lebih terang.

False Colour Composite

Kombinasi 3 warna yang

disusun berurutan RGB :

4:5:1

Banyak digunakan untk

studi vegetasi. Vegetasi

sehat akan berwarna

merah gelap, orange,

coklat, kuning,

4/30/2012

3

False Colour Composite

R = band 5

G = band 4

B = band 3

Kombinasi ini banyak

memberikan informasi

variasi dan kontras warna.

Vegetasi sehat berwarna

hijau terang.

Banyak digunakan untuk

pengelolaan hutan.

Daerah perumahan/urban

berwarna merah/pink

.

Optimum Index Factor

Nilai statistik yang dapat digunakan sebagai acuan untuk

Menentukan Kombinasi 3 band dalam citra yang mempunyai

tampilan warna yang paling optimum

Klasifikasi Data Citra

Merubah data citra menjadi informasi

Penutupan lahan/penggunaan lahan

Penutupan lahan adalah kondisi fisik

permukaan bumi

Land use : deskripsi bagaimana

manusia mengelola lahan.

Misal :

Hutan = Land cover

Hutan Lindung = Land use

Padang rumput = Land cover

Ranch/Padang Golf : Lan use

4/30/2012

4

Element Order 1

• Tone : Variasi kedalaman warna obyek dari warna tua ke muda, atau hitam ke putih yang dapat dibedakan

• Colour : Warna obyek

KLASIFIKASI VISUAL

Colour/Warna & Tone

Obyek

Hijau : ?

Hijau muda

Hijau tua

Merah : ?

Merah muda/pink

Biru : ?

Tua

Kuningan : ?

Kuning muda

Putih : ?

Putih

Abu

Hitam : ?

False ColorComposite : LANDSAT, RGB = 5:4:3

Elemen Order 2:

• Size – membantu menentukan obyek berdasarkan ukuran – Perkebunan rakyat &

perkebunan besar

• Shape – membantu menentukan karakter obyek berdasarkan bentuk – man made – cenderung garis

lurus – natural – cenderung tidak

beaturan

VISUAL

4/30/2012

5

False ColorComposite : LANDSAT, RGB = 5:4:3

Elements Orde 2 • Texture – frekuensi perubahan dan

susunan dari tone

– Pengamatan visual kehalusan/kekasaran (smoothness or roughness)

– Misal Air : biasanya halus, Alang-alang : medium texture, and Hutan alam dataran rendah: kasar

• Pattern - arrangement spasial dari objects

– Linear untuk jalan, sungai dll

VISUAL

4/30/2012

6

Element order 3 • Site

– bagaimana obyek berada pada suatau tempat

– aspect, topografi, geologi, tanah, & vegetasi

• Association

– obyek biasanya berasosiasi engan obyek yang lain.

– Sangat membantu dalam interpretasi man made obyek

VISUAL

Elements Order 3 • Height – menjelaskan

detail dari obyek (ketinggian obyek)

• Shadow

Membantu menentukan detil obyek

– Identifikasi dapat ditingkatkan dengan informasi bayangan

VISUAL

Contoh Dimana Mangrove ? Dimana Hutan dataran rendah ?, Dimana Perkebunan ?

Dimana Lahan terbuka ? Dimana lahan pertanian ?, Dimana Sungai ? Dimana Jalan ?, Dimana Awan ?

Dimana Bayangan awan ? Dimana Tambak ?, Dimana Semak belukar ?

4/30/2012

7

Perbandingan Penampilan Beberapa Objek pada Landsat dan PALSAR

No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan

1. Hutan Mangrove Hijau pucat pada Palsar and hijau gelap pada Landsat.

2. Hutan pegunungan tropis

Hijau muda pada Palsar dan hijau tua pada Landsat.

3. Hutan pegunungan tropis

Hijau muda pada Palsar dan hijau-hijau kecoklatan pada Landsat.


4. Hutan dataran rendah

Hijau kekuningan pada Palsar dan hijau pucat pada Landsat.

5. Hutan rawa Hijau pucat pada Palsar dan hijau pada Landsat

6. Hutan tanaman jati

Hijau kekuningan pada Palsar dan hijau muda pada Landsat.

7. Hutan tanaman pinus

Hijau terang pada Palsar dan hijau tua pada Landsat.


8. Hutan tanaman mangium

Hijau terang pada Palsar dan hijau tua pada Landsat.

9. Hutan tanaman Eucalypthus

Hijau terang pada Palsar dan hijau pada Landsat.

10. Kebun campuran (Karangkitri)

Hijau muda pada Palsar dan hijau pucat pada Landsat

11a Perkebunan sawit muda (dibawah 5 m)

Biru gelap pada Palsar dan hijau-hijau kekuningan pada Landsat. Di daerah bergunung.

4/30/2012

8


11b Perkebunan sawit muda (dibawah 5 m)

Kemerahan-biru kecoklatan pada Palsar dan hijau pada Landsat. Di daerah datar, pola kotak-kotak.

11c Perkebunan sawit tua (diatas 10 m)

Kemerahan-biru kecoklatan pada Palsar dan hijau pada Landsat. Di daerah datar, pola kotak-kotak.

11d Perkebunan sawit tua (diatas 10 m)

Biru kecoklatan pada Palsar dan hijau pada Landsat. Di daerah datar, pola kotak-kotak.

12. Perkebunan teh Biru dan kehijauan menyebar pada Palsar dan hijau muda bercampur merah pada Landsat.


13. Perkebunan karet rakyat

Kuning kehijauan-hijau kekuningan pada Palsar dan hijau kecoklatan pada Landsat. Pola pada Palsar tidak bisa dilihat, tapi jelas pada Landsat.

13a Perkebunan karet

Kuning kehijauan-hijau kekuningan pada Palsar dan hijau kecoklatan pada Landsat. Pola terlihat jelas baik pada Palsar maupun pada Landsat.

14. Perkebunan kelapa

Hijau pucat pada Palsar dan hijau muda-tua pada Landsat

15. Perkebunan tebu

Hijau pada Palsar dan hijau pada Landsat. Kebun tebu biasanya dikelilingi oleh persawahan.


16. Kebun salak Hijau keabuan pada Palsar dan hijau muda pada Landsat

17. Pertanian lahan kering

Biru menyebar pada Palsar dan merah kecoklatan menyebar pada Landsat

18. Sawah Biru gelap- ungu pada Palsar dan biru gelap pada Landsat. Sawah belum ditanami.

19. Belukar tinggi Hijau gelap pada Palsar dan hijau pada Landsat.

4/30/2012

9


20 Padang rumput Biru gelap-ungu pada Palsar dan pink pada Landsat

21 Pemukiman perkotaan

Kuning- hijau kekuningan-putih pada Palsar dan merah pada Landsat

22 Pemukiman pedesaan

Merah muda pada Palsar dan merah pada Landsat. Pemukiman tersebar.

23. Lapangan Golf Biru gelap pada Palsar dan kuning muda pada Landsat.


24. Bandara Biru gelap pada Palsar dan kuning muda pada Landsat

25. Badan air Biru muda pada Palsar dan biru tua pada Landsat.

KLASIFIKASI DIGITAL

• Distribusi Nilai DN

• Pengelompokan Nilai DN Tidak Terbimbing

Terbimbing (Parametric/Non Parametric: feature space)

– Minimum Distance

– Parallelepiped Classification

– Stepped Parallelepiped

– Equiprobability Contours

4/30/2012

10

Band 1

Band 2

Band 3 (B)

Band 4 (G)

Band 5 (R)

Band 6

Band 5: 4: 3

Digital Number

Klasifikasi Tidak Terbimbing (Unsupervised Classification)

• Mengelompokan Nilai DN Berdasarakan Minimum Distance, tanpa campur tangan operator

• Tetap perlu pemahaman lapang untuk reklasifikasi

BAND 4

BAND 3

Feature Space (Distribusi DN, pada 2

sumbu/bands)

4/30/2012

11

ISODATA

I - iterative

S - self

O - organizing

D - data

A - analysis

T - technique

A - (application)?

Band A

Band B

Band A

Band B

1st iteration cluster mean

2nd iteration cluster mean

KLASIFIKASI DIJITAL TIDAK TERBIMBING

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.

4/30/2012

12

Klasifikasi Terbimbing

• Mengelompokan Nilai DN Berdasarakan Minimum Distance, dengan arahan operator – Menentukan rule/aturan pengelompokan

• Menentukan training area

– Klasifikasi

– Pengelompokan Ulang

– Uji akurasi

BAND 4

BAND 3

Feature Space (Pengempokkan DN,

pada 2 sumbu/bands)

Minimum Distance To Means (kedekatan dengan nilai rata-rata tiap kluster)

4/30/2012

13

Kedekatan dengan nilai rata-rata kluster

Band 1

Band 2

Band 1

Band 2

Band 1

Band 2

Iterasi 1.Pusat

Kluster ditempatkan

secara acak,

kemudian setiap

pixel dikelompokan

pada pusat kluster

terdekat.

Iterasi 2.Pusat

kluster berpindah ke

rata-rata pusat tiap

kluster.

Iterasi ke N. Kluster

dan pusat kluster

terakhir/stabil.

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

4/30/2012

14

KLASIFIKASI DIJITAL TERBIMBING PARAMETRIC

KLASIFIKASI DIJITAL TERBIMBING NON PARAMETRIC

Akurasi

DATA KLASIFIKASI

DATA REFERENSI Hutan Primer

Hutan Sekunder

Semak Belukar

Lahan Pertanian

Lahan Terbuka

Pemu- kiman

Badan Air Total

User Accuracy

Hutan Primer 100 10 2 0 0 0 0 112 89.29

Hutan Sekunder 10 60 3 0 0 0 0 73 82.19

Semak Belukar 2 2 45 8 1 0 0 58 77.59

Lahan Pertanian 0 0 10 65 0 0 0 75 86.67

Lahan Terbuka 0 0 0 0 12 8 0 20 60.00

Pemukiman 0 0 0 0 6 23 0 29 79.31

Badan Air 0 0 0 0 0 0 12 12 100.00

112 72 60 73 19 31 12 379

Producer Akurasi 89.29 83.33 75.00 89.04 63.16 74.19 100.0 83.64

Ommission error

Commission error

Over all accuracy

Confusion matrix

klasifikasi data citra -...

Documents