Klassifikation, die gleichzeitige Auswertung von drei und mehr Datensätzen
Teil 3

Nun zur zweiten Variante, die unüberwachte Klassifikation. Sie ist vor allem für Bilder aus Gebieten interessant, zu denen man zu wenig Informationen hat. Hier handelt es sich um reine Rechenverfahren, die nach der Ähnlichkeit von Pixeln fahnden. Dies geschieht teilweise iterativ, d.h. ein erstes Ergebnis wird errechnet, dies wird auf Plausibilität überprüft, daraus wird ein verbessertes Ergebnis errechnet. Nun zwei Beispiele im Vergleich. Links die überwachte Klassifikation ("Landsat") mit 7 Klassen und sehr vielen Referenzflächen. Rechts die unüberwachte Klassifikation ("Idrisi", Verfahren Isoclust mit 3 Iterationsschritten) mit 7 Klassen aber ohne Referenzflächen. Das Rechenverfahren spuckt Klassen aus, die nachträglich erst mit einem Inhalt gefüllt werden müssen. Sie heißen deshalb neutral "Cluster".

Die überwachte Klassifikation Molassetrog Murnau

Die unüberwachte Klassifikation Molassetrog Murnau

Die hohe Übereinstimmung überrascht. Auch bei der unüberwachten Klassifikation (rechtes Bild) bedarf es einer zusätzlichen Informationsquelle. In diesem einfachen Beispiel würde eine Wanderkarte genügend Informationen bieten, damit man die Cluster mit Inhalt versehen kann. Das Ergebnis der Legendenbeschriftung kann dann so aussehen:
: Schilf- und Moorflächen
: Laubwald und Buschwerk
: Wiesen
: Siedlungen, Verkehrsflächen, Kiesgruben, ?
: Wald und Wasserflächen (sind nicht zu trennen)
: spezielle Wiesen ?
: Schilfflächen

Die neue Fassung von "Landsat" (Duttke) enthält auch ein Verfahren zur experimentellen unüberwachten Klassifikation. Das Verfahren wird über den Button "Cluster" aufgerufen. Das was "Idrisi" mit "Isoclust" automatisiert hat, das läuft hier über das Auge ab. Man experimentiert mit dem Radius (um 20 Einheiten ist ein guter Wert) und mit der Zahl der Cluster (zwischen 20 und 30). Der/Das letzte Cluster enthält die Punkte, die nicht zuzuordnen waren, er/es ist also ein "Reste-Cluster".

Weiter zu Teil 4, Hauptkomponenten-Transformation (Faktorenanalyse)