画像分類の概要
Image Analyst ライセンスで利用可能。
Spatial Analyst ライセンスで利用可能。
画像分類とは、リモート センシング画像内のすべてのピクセルに、スキーマと呼ばれる土地被覆および土地利用分類システムで定義されたクラスを割り当てるタスクを指します。
画像分類による出力ラスターは主題図の作成に使用することができます。 分類中のアナリストとコンピューターのやりとりに応じて、教師付き分類と教師なし分類の 2 つの分類方法があります。 これらは両方とも、オブジェクトベースまたはピクセルベースのいずれかを指定できます。
画像分類は、多くの処理段階を伴う長いワークフローになる可能性があります。 ArcGIS Pro では、分類ワークフローが 分類ウィザード に合理化されているため、分類に関して一定の知識があるユーザーであれば、ウィザードからのガイダンスに従ってワークフローを進めることができます。 分類プロセスの一部だけを実行する高度なユーザー向けに、個別の分類ツールも用意されています。
|
ツール |
説明 |
|---|---|
|
分類ウィザード を使用すると、ユーザーは画面の案内に従って、分類ワークフロー全体を段階的に進んでいくことができます。 ユーザーが分類プロセスを効率的に進められるよう、ベストプラクティスおよび簡素化されたユーザー エクスペリエンスで構成されたソリューションを提供します。 |
|
|
セグメンテーションは、オブジェクトベースの分類ワークフローの主要コンポーネントです。 このプロセスは、色が類似していて、特定の形状特性を持つ隣接ピクセルをまとめてグループ化します。 |
|
|
トレーニング サンプル マネージャー ページは、上部のスキーマ管理セクションと下部のトレーニング サンプル セクションの 2 つに分かれています。 分類スキーマは、画像内のすべてのフィーチャを個別のクラスに整理するのに使用されます。 トレーニング サンプルとは、特定のクラスに定義した領域のことで、分類スキーマに対応している必要があります。 |
|
|
教師なし分類または教師付き分類の手法を使用してデータを分類できます。 この手順では、指定された分類アルゴリズムとパラメーターに基づいて、画像をクラスに処理します。 |
|
|
教師付き分類を実行した後、一部のクラスをより単純化されたクラスにマージすることができます。 スキーマ内の親クラスであるクラスに限定されます。 |
|
|
教師なし分類を実行した後は、スキーマに基づいて、結果を意味のあるクラス名に整理する必要があります。 |
|
|
精度評価では、参照データセットを使用して、分類された結果の精度を決定します。 精度は 0 ～ 1 の範囲で表します。1 は 100% の精度を意味します。 |
|
|
画像の分類後、分類結果で小さいエラーが発生することがあります。 個々のフィーチャやオブジェクトを編集できます。 |
教師あり分類と教師なし分類
分類中のアナリストとコンピューターのやりとりに応じて、教師付き分類と教師なし分類の 2 つの分類方法があります。
教師付き分類では、ピクセルまたはセグメントを割り当てるクラス カテゴリーをユーザーが決定します。 これらのクラス カテゴリーは、分類スキーマと呼ばれます。 分類が完了した後は、生成された分類済みデータセットを確認し、スキーマに基づいて誤ったクラスやクラス ポリゴンを適切なクラスに再割り当てする必要があります。
教師なし分類とは、ピクセルのスペクトル特性における統計的な差異に基づいて、画像内に存在するクラスをコンピューターが決定します。 教師なし分類が完了した後は、生成されたクラスをスキーマ内のクラス カテゴリーに割り当てる必要があります。
オブジェクトベースとピクセルベース
選択する分類方法のタイプには、ピクセルベースとオブジェクトベースの 2 つのオプションがあります。
ピクセルベースは、各ピクセルが属するクラスを個別に決定する従来のアプローチです。 隣接するピクセルからの情報は一切考慮されません。 これにより、分類結果にごま塩状の効果が発生することがあります。
オブジェクトベースのアプローチでは、セグメンテーションと呼ばれるプロセスで、隣接するピクセルをその類似性に基づいてグループ化します。 セグメンテーションは、ピクセルのグループ化を決定する際に、色と形状の特性を考慮します。 このアプローチは本質的にピクセルの値を平均化し、地理情報を考慮するため、セグメンテーションから作成されるオブジェクトは、画像内の現実世界のフィーチャによく似ており、よりきれいな分類結果を生成します。