5 / 12
Метод объектно-ориентированной классификации объектов подстилающей поверхности…
ISSN 1812-3368. Вестник МГТУ им. Н.Э. Баумана. Сер. Естественные науки. 2017. № 3
139
применяются итеративные вероятностные алгоритмы. В настоящей работе ис-
пользован метод марковского случайного поля (МСП), подробно описанный в
работе [20]. В этом методе вводится понятие потенциала взаимодействия сосед-
них пикселей
,
V
и вычисление априорной вероятности заменяется вычислени-
ем суммарной потенциальной энергии:
argmax ( | ) argmin(
).
in out
P M N
E E
↔ +
Здесь
out
E
— сила связи между соседними узлами графов
M
′
и
;
N
′
in
E
— сила
связи между соседними узлами графа
.
M
′
Вследствие оптимизации энергии ме-
тод МСП позволяет выделять области, отличающиеся не только по спектраль-
ным характеристикам, но и по исключительным текстурным характеристикам.
Разбиение тестового изображения методом МСП (задано 11 классов) пока-
зано на рис. 3.
Рис. 3.
Разбиение тестового изображения методом МСП
Классификация объектов.
На втором этапе проводится классификация по-
лученных на первом этапе объектов — отнесении каждого из них к определен-
ному классу поверхности Земли. В методе К используется квадратичный дис-
криминант, являющийся подвидом байесовского классификатора [20], который
описывается формулой
т 1
т 1
1
1
2
2
1
1
( ) = (
)
(
) (
)
(
) ,
g x x
x
x
x
C
−
−
−μ Σ −μ − −μ Σ −μ +
где
g
— разделяющая функция;
C
— константа, задающая сдвиг границы меж-
ду классами для изменения соотношения ошибок первого и второго рода.
Этот классификатор был выбран как надежный метод, хорошо работающий
для многих классов в многомерном пространстве на реальных данных [21]. Для
работы классификатора требуется его предварительное обучение на размечен-
ной обучающей выборке.
Пространство признаков.
Существует множество методов задания про-
странства признаков для объектов. В данном методе были исследованы следу-
ющие подходы: