8.4.3. Алгоритмы неконтролируемой классификации

Алгоритмы неконтролируемой классификации позволяют пользователю задать некоторые параметры, которые компьютер применяет для обнаружения присущих данным спектральных (в том числе статистических) образов. Эти образы не обязательно соответствуют объектам съемки; они являются простыми группами пикселов со сходными спектральными характеристиками.

Алгоритмы неконтролируемой классификации реализуют часто применяемые в различных многомерных исследованиях методы кластеризации, в основе которых лежат так называемые пороговые процедуры. В них предполагается, что количество первоначальной информации достаточно для разделения классов и поэтому эталоны не используются. При обработке снимков эти алгоритмы применяют разные меры разделимости классов в пространстве признаков объектов и составляют математическую основу их формальной классификации.

В общем случае при пороговой классификации сравниваются значения яркости двух соседних пикселов. Если различие в значениях яркости превышает некоторую заранее заданную величину — порог, то считается, что эти пикселы принадлежат разным объектам и между ними проходит разделяющая граница. В случае многозонального снимка пороги задают либо для различий яркостей каждой спектральной зоны, либо для расстояний в пространстве признаков, которые используют в качестве меры разделимости. При таком способе классификации точность обычно невысока, тем не менее, при отсутствии априорной информации о классах выполнение такой процедуры целесообразно, так как она позволяет выделить однородные по яркости области (подклассы) объектов на основе их естественных природных отличий, проявляющихся в спектральной яркости. Когда объекты некоторого класса описываются векторами, компонентами которых являются действительные числа, этот класс можно рассматривать как кластер и выделять его свойства в пространстве образов кластера.

Алгоритмы кластеризации. В основе алгоритмов кластеризации лежит объединение пикселов в группы — кластеры — в зависимости от установленного дешифровщиком порога (порогов) близости их характеристик. Основная процедура состоит и следующем.

Пусть каждый элемент изображения на исходном многозональном снимке описывается вектором Х{ спектральных признаков