Klasifikasi Citra - Website Staff...
Transcript of Klasifikasi Citra - Website Staff...
Klasifikasi CitraKlasifikasi Citra
Introduction to Remote SensingIntroduction to Remote SensingggBab XIBab XI
Klasifikasi Citra DigitalKlasifikasi Citra DigitalKlasifikasi Citra DigitalKlasifikasi Citra Digital
• Proses penempatan pixel pada kelasProses penempatan pixel pada kelas• Dianggap sebagai satuan tersendiri
M iliki il i t t t d it kt l• Memiliki nilai tertentu pada pita spektral• Dibandingkan satu dengan yang lain• Dibandingkan dengan yang diketahui
identitasnyay• Pixel bernilai sama dikelompokkan
menjadi satu kategorimenjadi satu kategori
Klasifikasi Citra DigitalKlasifikasi Citra DigitalKlasifikasi Citra DigitalKlasifikasi Citra Digital
• Setiap kelas membentuk daerah tertentuSetiap kelas membentuk daerah tertentu pada scene
• Ditampilkan sebagai mosaik dari beberapa• Ditampilkan sebagai mosaik dari beberapa nilai uniformDit ilk d k d t• Ditampilkan dengan kode warna atau simbol
Klasifikasi Citra DigitalKlasifikasi Citra DigitalKlasifikasi Citra DigitalKlasifikasi Citra Digital
• Pixel dalam satu kelas lebih mirip satuPixel dalam satu kelas lebih mirip satu sama lain
• Dalam satu kelas terdapat perbedaan• Dalam satu kelas terdapat perbedaan karena variasi dalam kelasM k l t t k t it• Merupakan alat untuk pengamatan citra digital
Klasifikasi Citra DigitalKlasifikasi Citra Digital
• Classifier secara umum mengacu pada
Klasifikasi Citra DigitalKlasifikasi Citra Digital
Classifier secara umum mengacu pada program dengan prosedur klasifikasi citra
• Spectral/point classifier mengamati setiap• Spectral/point classifier mengamati setiap pixel sebagai satu titikS d h tid k d t bil• Sedehana, tidak dapat mengambil informasi hubungan antar pixel
• Image texture adalah pola brightness dalam satu grup pixel
Klasifikasi Citra DigitalKlasifikasi Citra DigitalKlasifikasi Citra DigitalKlasifikasi Citra Digital
Klasifikasi Citra DigitalKlasifikasi Citra DigitalKlasifikasi Citra DigitalKlasifikasi Citra Digital
Klasifikasi Citra DigitalKlasifikasi Citra Digital
• Spatial/neighborhood classifier mengamati
Klasifikasi Citra DigitalKlasifikasi Citra Digital
Spatial/neighborhood classifier mengamati area dalam citra dengan informasi spektral dan teksturaldan tekstural
• Sulit diprogram tetapi sangat akuratJ di k ti d l• Jarang digunakan secara rutin dalam remote sensing
Klasifikasi Citra DigitalKlasifikasi Citra Digital
• Supervised classification membutuhkan
Klasifikasi Citra DigitalKlasifikasi Citra Digital
Supervised classification membutuhkan interaksi dengan analis
• Unsupervised classification bekerja secara• Unsupervised classification bekerja secara hampir otomatisH b id l ifi ti d l h t d• Hybrid classification adalah metode yang memiliki ciri supervised dan unsupervised
Kelas InformasionalKelas InformasionalKelas InformasionalKelas Informasional
• Kategori obyek yang diamatiKategori obyek yang diamati– Hutan
Geologi– Geologi– Land use
Tid k di k l l h• Tidak direkam langsung oleh sensor• Rekamannya berupa pola brightness
Kelas SpektralKelas SpektralKelas SpektralKelas Spektral
• Kelompok pixel yang brightnessnya samaKelompok pixel yang brightnessnya sama dalam beberapa kanal spektra
• Dapat diamati pada data remote sensingDapat diamati pada data remote sensing• Dihubungkan dengan kelas informasional
untuk mendapatkan informasi sceneuntuk mendapatkan informasi scene• Untuk membedakan dua kelas adalah
dengan mencai beda nilai rata-ratanyadengan mencai beda nilai rata ratanya• Kelas yang sangat berbeda memiliki nilai
beda yang besarbeda yang besar
Normalized Difference (ND)Normalized Difference (ND)Normalized Difference (ND)Normalized Difference (ND)
• Salah satu caraSalah satu cara membedakan kelas
• Membagi beda rata-gata kelas dengan jumlah simpangan ba xx
ND−
=bakunya
ba ssND
−=
Normalized Difference (ND)Normalized Difference (ND)Normalized Difference (ND)Normalized Difference (ND)
Unsupervised ClassificationUnsupervised ClassificationUnsupervised ClassificationUnsupervised Classification
• Identifikasi kelompok alam atau bangunanIdentifikasi kelompok alam atau bangunan dari data multispektral
• Citra remote sensing terdiri atas kelas• Citra remote sensing terdiri atas kelas spektral yang masing-masing seragam dalam beberap kanal spektradalam beberap kanal spektra
• Definisi, identifikasi, labeling, dan t k l lpemetaan kelas alam
Unsupervised ClassificationUnsupervised Classification
Keunggulan
Unsupervised ClassificationUnsupervised Classification
Keunggulan• Tidak membutuhkan pengetahuan awal
yang detail mengenai daerah pengamatanyang detail mengenai daerah pengamatan• Kemungkinan terjadi human error dapat
dik idikurangi• Kelas yang unik diidentifikasi secara
tersendiri
Pengukuran JarakPengukuran JarakPengukuran JarakPengukuran Jarak• Jumlah pixel dalam citra p
remote sensing mencapai ribuan
• Untuk menentukan pixelUntuk menentukan pixel termasuk dalam satu grup, digunakan jarak ke pixel yang lain
2/12)( ⎥⎤
⎢⎡
−= ∑n
baDpixel yang lain• Euclidean Distance
adalah salah satu metode pengukuran jarak
1)( ⎥⎦
⎢⎣
= ∑=i
ab baD
pengukuran jarak• Didasarkan pada teorema
Phytagoras