Оценка точности распознавания почвенно-растительных объектов по данным гиперспектрального зондирования и сканера ИСЗ QuickBird (краткий устный)

Рассматривается задача распознавания почвенно-растительных объектов по данным гиперспектрального зондирования с борта авианосителя и сканера ИСЗ QuickBird. В качестве метода классификации с обучением рассматривается метод максимума правдоподобия (МП) с возможностью установки порога отказа от классификации и весов объектов. Метод МП позволяет планировать показатели точности путем выбора соответствующих весов объектов и порога отказа от классификации. Правда, эти показатели могут отклоняться от реальных точностей по мере ухода от обучающих участков. Важная проблема в применении метода МП с регулируемыми весами объектов – выбор критериев, которыми измеряется точность. Классические критерии – это ошибка пропуска цели и ошибка ложной тревоги удобно применять в случае двух классов объектов. Рассматриваются три класса объектов. Результаты классификации описываются следующими способами: изображениями, картирующими полученные классы, матрицей точности классификации и кривыми ошибок пропуска цели и ложной тревоги. Один из предметов исследования– зависимость точностных показателей метода МП от выбора обучающих участков, на которых строятся спектральные сигнатуры объектов, и тестовых участков, на которых оценивается точность по соответствию результатов классификации. Метод МП дает на обучающих участках по большинству показателей стабильно более высокую точность для гиперспектрометра, чем для сканера. Правда, это преимущество небольшое. При переходе от обучающих участков к большой территории сканер теряет точность заметно быстрее, чем гиперспектрометр. Данные гиперспектрометра более устойчивы, чем данные сканера, к ошибкам в определении обучающих участков. Управляемость, измеряемая допустимым диапазоном выбора весов объектов как средства управления МП-классификацией, выше для гиперспектрометра, чем для сканера. Главное преимущество же сканера – ширина полосы обзора.