Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
1
Signaturen im zweidimensionalen Merkmalsraum
2
Unsupervised Classification – k-MEANS
2-D Scatter Plot Band 2 Band 1
3
Unsupervised Classification – k-MEANS
Initial class means – evenly distributed Parameters: (a) number of classes (b) distance threshold Band 2 Band 1
4
Unsupervised Classification – k-MEANS
Classification by minimum distance Band 2 Band 1
5
Unsupervised Classification – k-MEANS
Classification by minimum distance (first iteration) Band 2 Band 1
6
Unsupervised Classification – k-MEANS
Recalculation of new means (cluster centres) Band 2 Band 1
7
Unsupervised Classification – k-MEANS
Second iteration Band 2 Band 1
8
Unsupervised Classification – k-MEANS
Stop criteria: (a) maximum iteration (b) number of changed pixels Band 2 Band 1
9
Unsupervised Classification
Klassen werden selbständig anhand der Bildstatistik gebildet Automatische Zusammenfassung von Pixeln zu Clustern Cluster = Klasse Gefundene Klassen müssen nach der Klassifizierung bestimmt werden Anwendung, wenn das Gebiet und die Materialien unbekannt sind Rechenaufwand hoch Aufwand für Bearbeiter gering
10
Unsupervised Classification – k-MEANS - Summary
Randomly generated initial cluster centres Each pixel is associated with the nearest cluster centre Recalculation of the cluster centres Steps 2 and 3 are repeated until the given number of iterations or until a given number of pixels isn’t changing any more 4 Cluster 5 Cluster 6 Cluster
Ähnliche Präsentationen
![Z-Transformation Die bilaterale Z-Transformation eines Signals x[n] ist die formale Reihe X(z): wobei n alle ganzen Zahlen durchläuft und z, im Allgemeinen,](/1/205073/big_thumb.jpg "Z-Transformation Die bilaterale Z-Transformation eines Signals x[n] ist die formale Reihe X(z): wobei n alle ganzen Zahlen durchläuft und z, im Allgemeinen,>")
