PCI EasyPace : เรียนรู้พื้นฐานโปรแกรม ตอนที่ 7
PCI EasyPace : เรียนรู้พื้นฐานโปรแกรม ตอนที่ 7
การจำแนกภาพ / UNSUPERVISE CLASSIFICATION
วัตถุประสงค์
จำแนกภาพแบบ UNSUPERVISE CLASSIFICATION โดยการจัดกลุ่มจุดภาพโดยเงื่อนไขทางสถิติ
ตามความคล้ายคลึงกัน เหมาะสำหรับข้อมูลภาพที่ USER ไม่ทราบรายละเอียดหรือสภาพสิ่งปกคลุมดินของพื้นที่
ดูรายละเอียดเพิ่มเติมได้ที่ไฟล์ pcieasypace_p07.pdf
🎯 วัตถุประสงค์ของการจำแนกภาพแบบ Unsupervised
- จัดกลุ่มข้อมูลภาพโดยอิงจากความคล้ายคลึงกันทางสถิติ: โปรแกรมจะวิเคราะห์ค่าดิจิทัล (DN) ของแต่ละพิกเซลและจัดกลุ่มพิกเซลที่มีลักษณะคล้ายกันเข้าด้วยกัน.
- เหมาะสำหรับพื้นที่ที่ไม่มีข้อมูลภาคสนาม: ช่วยให้สามารถวิเคราะห์พื้นที่ใหม่หรือพื้นที่ที่ไม่มีข้อมูลล่วงหน้าได้.
- เป็นขั้นตอนเบื้องต้นก่อนการจำแนกแบบ Supervised: ผลลัพธ์จากการจำแนกแบบ Unsupervised สามารถใช้เป็นข้อมูลพื้นฐานสำหรับการจำแนกแบบ Supervised ในภายหลัง.
🛠️ ขั้นตอนการใช้งาน Unsupervised Classification ใน PCI EasyPace
- เปิดโปรแกรม PCI EasyPace และโหลดภาพที่ต้องการวิเคราะห์.
- เข้าสู่เมนูการจำแนกภาพ (Image Classification) และเลือก Unsupervised Classification.
- เลือกแถบสเปกตรัม (Bands) ที่ต้องการใช้ในการจำแนกภาพ เช่น Band 1, 3, 4, และ 6.
- กำหนดจำนวนคลาส (Classes) ที่ต้องการให้โปรแกรมจำแนก เช่น 16 คลาส.
- เลือกอัลกอริทึมการจำแนก: โปรแกรมมีอัลกอริทึมให้เลือก เช่น K-Means, ISODATA, และ Fuzzy K-Means.UNBC GIS Lab+1UBC Blogs+1
- กำหนดช่องสำหรับบันทึกผลลัพธ์: เลือกช่องในฐานข้อมูลภาพ (เช่น Channel 7) เพื่อเก็บผลลัพธ์การจำแนก.Learning Zone+1Learning Zone+1
- คลิก “Classify” เพื่อเริ่มกระบวนการจำแนกภาพ.Learning Zone
- วิเคราะห์ผลลัพธ์: โปรแกรมจะแสดงภาพที่จำแนกแล้วในรูปแบบสีเทียม (Pseudocolor) และรายงานสรุปผลการจำแนก.
- รวมคลาสที่คล้ายกัน (Aggregate Classes): หากต้องการลดจำนวนคลาสหรือรวมคลาสที่มีลักษณะคล้ายกัน สามารถใช้ฟังก์ชัน “Aggregate” ในเมนู Post Classification Analysis.