Klassifikationsergebnisse DMC

RGB Klassifikation

Auffällig in der Klassifikation mit der Kanalkombination RGB der DMC ist eine nicht zufriedenstellende Klassifikation einiger Vegetationsklassen. Insbesondere im Wald sind starke Klassenabweichungen feststellbar. Es sind Schattenbereiche erkennbar und diese bilden auch schemenhafte Baumkronen ab, nur sind die Bäume nicht homogen, sondern setzen sich aus den Klassen Algen und Wasser zusammen. Einzeln stehende Bäume sind nicht korrekt erkannt worden.
Markant sind die Schatten bei einzeln stehenden Bäumen, welche zu einem Großteil als Wasser klassifiziert wurden.
Die Klasse Stoppel ist in den nordwestlichen Bereichen des Auswerteclusters gut herausgestellt.
Im Südosten dominiert die Klasse Acker, die dort ebenfalls gut klassifiziert wurde.
In den zentralen Gebieten des Auswerteclusters überschneiden sich die beiden Klassen stark.
Die Klasse Mais ist grundsätzlich zufriedenstellend klassifiziert, enthält aber diverse Fehlpixel. Im Trainingsgebiet wurden jedoch nur 32,22 % der Maispixel erkannt.
Durchaus vergleichbar verhält sich die Klasse Zuckerrüben. Bei dieser sind geringe Anteile der Klasse Grünflächen erkennbar (17%). Grünflächen wurden gut und ohne eine größere Anzahl an Fehlpixeln klassifiziert.
Das Wasser weist laut Klassifizierung einen hohen Anteil an Algen auf, was jedoch nicht dem realen Zustand entspricht. Für die Klasse Wein ist es nicht gelungen eine brauchbare Klassifizierung zu erstellen. Da die Zwischenräume korrekt als Grünflächen eingestuft wurden, ist eine deutliche Rebenstruktur erkennbar.
In der Klasse Urban sind Gebäudestrukturen deutlich zu erkennen, gleichzeitig sind nur wenige Fehlpixel aus anderen Klassen erkennbar. Die Abbruchkanten im Steinbruch wurden weitgehend korrekt klassifiziert, ebenso sind die Straßen korrekt detektiert worden. Durch die Schrägaufnahme der Szene sind diverse Häuserfassaden sichtbar, welche als Steinbruch klassifiziert wurden.
Auffällig sind die als Steinbruch klassifizierten Fahrbahnmarkierungen, die besonders im Bereich der südlich führenden Landstraße herausstechen.

Ergebnisse des Accuracy Reports:
Overall Classification Accuracy = 59,22 %
Overall Kappa Statistics = 0,5282

RGBI + NDVI Klassifikation

Durch die Erweiterung der Szene mit dem infraroten Kanal und dem NDVI offenbart die Klassifikation deutliche Verbesserungen. Insbesondere sind die Vegetationsklassen deutlich besser detektiert worden.
Waldbereiche und Einzelbäume enthalten nun weniger Fehlpixel der Klasse Mais und sind allgemein deutlicher zu erkennen.
Im östlichen Randgebiet ist der Schatten gut klassifiziert worden, in Waldgebieten wurde er jedoch oft als Mais klassifiziert.
Die Qualität der Bilddaten scheint also innerhalb des Bildes zu variieren. Es ist nicht deutlich ob dies kameraspezifisch ist oder dies mit Bewölkung zusammenhängt. In den Klassen Acker und Stoppel zeigt sich dies durch als Stoppel klassifizierte, unbewachsene Felder im Nordwesten, die gen Osten eher der Klasse Acker zugeordnet werden. Die Klassen Mais, Zuckerrüben und Grünflächen sind gut klassifiziert worden und lassen sich gut differenzieren. Jedoch leiden auch diese unter der oben genannten Bildqualität. Grünflächen als Untergrund für Baumgruppen oder als Ränder eines Feldes werden als Acker erkannt.
Feldwege und auch andere Klassen im Südosten des Auswertegebiets werden als Urban erkannt.
Urbane Gebiete (92,42%) und Straßen (96,02%) werden gut klassifiziert (92,42%). Häuserfassaden sind als Steinbruch definiert worden. Straßenränder im Bereich der Überlandstraßen wurden fälschlicherweise als Urban klassifiziert.
Außerdem wurden auch ganze Feldbereiche als Urban erkannt. Die Klasse Wasser wurde gut klassifiziert, ebenso die überlagernden Klassen Algen und Schatten.
Die Klassifikation der Klasse Steinbruch weist einige Fehler auf. Ebene Bereiche sind wie zuvor als Straße erkannt worden. Schatten im Steinbruch wurde, bis auf wenige Fehlpixel der Klasse Wasser, akzeptabel erkannt. Die Struktur des Weinberges ist deutlich sichtbar, jedoch verhindert das Fehlen der Klasse Wein eine korrekte Klassifizierung.

Ergebnisse des Accuracy Reports:
Overall Classification Accuracy = 68.24%
Overall Kappa Statistics = 0.6264