НОВІТНІЙ МЕТОД ОЦІНКИ ТОЧНОСТІ КЛАСИФІКУВАННЯ ЗОБРАЖЕНЬ, ОТРИМАНИХ ІЗ ВИКОРИСТАННЯМ БЕЗПІЛОТНИХ ЛІТАЛЬНИХ АПАРАТІВ НА ОСНОВІ ЗВАЖЕНОЇ МАТРИЦІ ПОМИЛОК ТА ЇЇ КОЕФІЦІЄНТІВ ТОЧНОСТІ

Автор(и)

  • Софія Альперт Науковий Центр аерокосмічних досліджень Землі ІГН НАН України, Київ, Ukraine https://orcid.org/0000-0002-7284-6502

DOI:

https://doi.org/10.32347/2412-9933.2021.45.82-88

Ключові слова:

зважена матриця помилок, оцінка точності, коефіцієнти точності, моніторинг навколишнього середовища

Анотація

Запропоновано новий метод для оцінки точності класифікування зображень, отриманих із застосуванням дистанційного зондування Землі на основі безпілотних літальних апаратів, який може бути застосований для вирішення різноманітних екологічних та практичних завдань. На сьогодні тематичні карти відіграють важливу роль у вирішенні різних завдань дистанційного зондування Землі. Тематичні карти застосовуються при класифікуванні лісів, для визначення типів та властивостей ґрунтів, для екологічного моніторингу, при пошуку нафти та газу. Тому оцінка точності є необхідною для оцінки якості тематичних карт. Важливо знати точність тематичних карт, перш ніж вони будуть використані для подальших наукових досліджень. Користувачі і виробники карт порівнюють декілька карт, щоб вибрати кращу, або перевіряють, наскільки вони збігаються. Для оцінювання точності тематичних карт запропоновано використовувати зважену матрицю помилок. Запропонована зважена матриця була порівняна з матрицею помилок. Відзначено, що матриця помилок потребує великих вибірок та не враховує “серйозність” помилок. Наведено основні переваги зваженої матриці помилок, а також зауважено, що зважена матриця помилок надає різну вагу різним помилкам класифікування. Ця властивість зваженої матриці помилок є дуже важливою, коли не усі помилки є однаково серйозними та грубими для користувача. Запропонований метод використовує вагову матрицю для матриці помилок, яка надає вагу кожному елементу матриці помилок. У роботі описано коефіцієнти точності зваженої матриці помилок, такі як: загальна точність, точність користувача, точність виробника та усереднені вагові функції для кожного класу та їх основні властивості. Також розглянуто числовий приклад розрахунку коефіцієнтів точності зваженої матриці помилок. Запропонований новий метод для оцінки точності класифікування зображень можна застосувати для класифікування земляного покриву, для моніторингу навколишнього середовища, для пошуку корисних копалин та вирішення чисельних сільськогосподарських завдань.

Біографія автора

Софія Альперт , Науковий Центр аерокосмічних досліджень Землі ІГН НАН України, Київ

Кандидат технічних наук, науковий співробітник відділу геоінформаційних технологій в дистанційному зондуванні Землі (ГІТ в ДЗЗ)

Посилання

Story, M., & Congalton, R. G., (1986). Accuracy assessment: A user’s perspective. Photogramm. Eng. Remote Sensing, 52, 397–399.

Hardin, P. J., & Shumway, J. M., (1997). Statistical significance and normalized confusion matrices. Photogramm. Eng. Remote Sensing, 63, 735–740.

Congalton, R. G., (1991). A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, 37, 35–46.

Cohen, J., (1968). Weighted kappa: Nominal scale agreement with provision for scaled disagreement or partial credit. Psychological Bulletin, 70, 426–443.

Alpert, М. І., & Alpert, S. І., (2020). New methods to determine basic probability assignment and data fusion in Hyperspectral Image Classification. Proceedings of the XIX-th International Conference on Geoinformatics – Theoretical and Applied Aspects, Kyiv, pp. 1–5.

Alpert, S., (2020). A new approach to applying the discount rule in hyperspectral satellite image classification. Management of Development of Complex Systems, 43, 76 – 82.

Cochran, W. G., (1977). Sampling Techniques. New York: John Wiley and Sons, 421–428.

Popov, M. A., Alpert, S. I., & Podorvan, V. N., (2017). Satellite image classification method using the Dempster-Shafer approach. Izvestiya, atmospheric and oceanic. Physics, 53(9), 1112–1122.

Popov, M., Alpert, S., Podorvan, V., Topolnytskyi M., & Mieshkov, S., (2015). Method of Hyperspectral Satellite Image Classification under Contaminated Training Samples Based on Dempster-Shafer’s Paradigm. Central European Researchers Journal, 1(1), 86–97.

Chang, C. I., (2013). Hyperspectral Data Processing: Algorithm Design and Analysis. Hoboken, NJ: John Willey & Sons, 1164.

Congalton, R. G., (1999). Assessing the Accuracy of Remotely Sensed Data: Principles and Practices. CRC Press: Taylor & Francis Group, 130–137.

Congalton, R. G., Oderwald, R. G., & Mead, R. A. (1983). Assessing Landsat classification accuracy using discrete multivariate analysis statistical techniques. Photogramm. Eng. Remote Sensing, 1, 1671–1678.

##submission.downloads##

Опубліковано

2021-03-01

Як цитувати

Альперт , С. . (2021). НОВІТНІЙ МЕТОД ОЦІНКИ ТОЧНОСТІ КЛАСИФІКУВАННЯ ЗОБРАЖЕНЬ, ОТРИМАНИХ ІЗ ВИКОРИСТАННЯМ БЕЗПІЛОТНИХ ЛІТАЛЬНИХ АПАРАТІВ НА ОСНОВІ ЗВАЖЕНОЇ МАТРИЦІ ПОМИЛОК ТА ЇЇ КОЕФІЦІЄНТІВ ТОЧНОСТІ. Управління розвитком складних систем, (45), 82–88. https://doi.org/10.32347/2412-9933.2021.45.82-88

Номер

Розділ

ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ ПРОЄКТУВАННЯ