Post-classificatie

Samenvatting

Beeldverwerking

 

Post-classificatie

Nog een paar achterblijvers

Na de classificatie blijven er meestal een klein aantal geïsoleerde pixels over, meestal verkeerd of niet geklasseerd, vaak op de grens tussen twee verschillende klassen. Deze geven een "pointillistische" indruk die hinderlijk kan zijn op een cartografische weergave Het is dan wenselijk de classificatie te homogeniseren door deze pixels aan de een of andere klasse toe te wijzen. Ook hiervoor gebruikt men filtertechnieken.

De functie "majorityfilter" (meerderheidsfilter) wijst een geïsoleerde pixel toe aan de dominante klasse waarbinnen hij zich bevindt. Voor elke pixel wordt het beeld geanalyseerd met behulp van een mobiel venster van 3x3 pixels om de meest voorkomende klasse te bepalen rond deze centrale pixel. De middelste pixel wordt dan toegewezen aan deze klasse. Een groot nadeel van meerderheidsfiltering is dat de overheersende klassen voorgetrokken worden, in het bijzonder op de grens tussen twee klassen, ten koste van de minder vertegenwoordigde klasse of klassen met een lineaire structuur zoals het wegennetwerk of verspreide woningen. In het plaatje hiernaast zijn de kleine details verdwenen, maar de filter heeft ook alle contouren van het beeld veranderd en rechte grenzen en hoeken doen verdwijnen.

Ziehier het effect van de toepassing van een meerderheidsfilter op de classificatie van het beeld van de meren van Eau d'Heure:
De filtering verwijdert inderdaad de meeste geïsoleerde pixels die de duidelijkheid van het beeld verstoren, maar wijzigt ook de vorm van alle pixelgroepen en verzacht de contouren.

Een alternatief is filters te gebruiken waarmee men de precieze context kan bepalen om een pixel aan een andere klasse toe te wijzen. Dit kan men bereiken met filters voor dilatatie en erosie van de wiskundige morfologie.

Deze filters worden toegepast op een binair masker van een klasse naar keuze. In een mobiel venster van 3x3, omvat de dilatatiebewerking de vergroting van het masker van deze klasse door de waarde van het masker aan alle pixels in de onmiddellijke nabijheid toe te kennen. Vervolgens wordt de omgekeerde bewerking, erosie, toegepast en met het verschil tussen het verkregen masker en het uitgangsmasker kan men de pixels opsporen die in een nieuwe klasse ondergebracht moeten worden.

Men kan grotere vensters bewerken met dilatatie en erosie.

Een andere aanpak bestaat erin voor het gehele beeld de bestaande verbanden tussen pixels van dezelfde klasse te berekenen (met hoeveel pixels van dezelfde klasse is de pixel verbonden?). Aan elke pixel koppelt men zo een waarde die de omvang geeft van de homogene vlek rond deze pixel. In functie van deze waarde beslist men dan de geïsoleerde pixels te vervangen door de overheersende waarde van de omgeving.

Bemerk het effect van deze filter op de classificatie van het beeld van de meren van Eau d'Heure: de geïsoleerde pixels werden wel geklasseerd in de dominante klasse van de omgeving, maar de algemene vorm van de gehelen blijft duidelijk beter bewaard dan in het voorgaande voorbeeld.