Analyse der statistischen Voraussetzungen zur Klassifizierung multispektraler Daten

1990

7 Tab., 2 Lit. Ang.

Unselbständiges Werk

5652

200047532

Die Klassifizierbarkeit multispektral erfasster, die Erdoberflaeche bedeckender Objekte bzw. die Trennbarkeit der durch sie gebildeten multidimensionalen Cluster ist fast ausschliesslich von deren Groesse, Lage und Orientierung aabhaengig. Die Minimierung der Ausdehnung von Clustern hat eine Maximierung ihrer Trennbarkeit zur Folge. Es werden deshalb verschiedene Einflussfaktoren auf die Clustergroesse (systematische Fehler des Aufzeichnungssystems, Inhomogenitaet der Trainingsgebiete etc.) analysiert und optimiert, so dass die durch den Sensor vorgegebene radiometrische Aufloesung erreicht und vergleichend beurteilt werden kann. Darueber hinaus wird mit der Zielrichtung simultaner Klassifizierung multispektraler, multitemporaler und multisensoraler Aufzeichnungen die Moeglichkeit einer verlustfreien Datenkompression untersucht. Sie ermoeglicht ohne nachweisbare Verschlechterung der Trennbarkeit der Cluster eine Reduktion des urspruenglichen Datenumfanges um 33 %. Zugleich werden damit lineare Abhaengigkeit der Datensaetze beseitigt und der verfuegbare Datenraum durch eine geeignete Normierung bestmoeglich ausgeschoepft. Die Anzahl der in die Klassifizierung einzubringenden Hauptkomponententransformierten ergibt sich empirisch aus der scharfen Forderung fehlerfrei, jedoch moeglicherweise unvollstaendig zu klassifizierender Trainingsgebiete.