Способы дешифрирования:

1. Визуальный. В качестве дешифровщика выступает оператор.

2. Автоматический. В качестве дешифровщика выступает комп.

3. Автоматизированный. В качестве дешифровщика выступают оператор и комп.

Дешифровочные признаки

1. Прямые. Те св-ва объекта, которые передаются и не посредственно воспринимаются дешифровщиками на снимках.

К ним относится: форма (основной дешифровочный признак), размер (признак менее определяемы и зависит от масштаба снимка), тон (степень потемнения изображения и обуславливается следующими причинами:

1. Отражательной способностью объекта

2. Внешним строением поверхности

3. Освещенностью объекта

4. Свето чувствительностью приемника

5. Время года) или цвет (отличается гораздо большим постоянством, чем тон, яв-ся надежным дешифровочным признаком), структура (сложный признак, объединяющий все другие прямые признаки; характеризуется новыми св-ами, обусловлен повторяемостью, размещением и кол-вом непосредственно распознаваемых предметов; наиболее прямой признак) и тень (противоречивый дешифровочный признак) изображения объекта.

2. Косвенные. Указывают на наличие или хар-ку объекта не изобразившегося на снимке или не определяемого по прямым признакам.

Данные признаки основаны на возникших в природе закономерных взаимосвязях пространственного размещения природных объектов или между природными объектами и результатами деятельности человека.

Эти взаимосвязи проявляются в 2 направлениях:

1. Приуроченность одних объектов к другим

2. Изменение св-в одних объектов под влиянием других

Автоматизация

Автоматизация ускоряет процесс дешифрирования, но полностью не уточняют участия, поэтому основной задачей автоматизацией распознавания яв-ся освобождение дешифровщика от непроизводительного поиска и рисовки дешифрируемых объектов

При автоматизированном дешифрировании появляется возможность использовать новые дешифровочные признаки, таким новым признаком яв-ся: совокупность значений яркости одного элемента изображения в различных зонах спектра - Вектор плотности элементов

При дешифрировании цифровых изображений различают контролируемую и не контролируемые классификации.

Не контролируемая классификация: при такой классификации используются статистические методы, что бы сгруппировать N - мерноые данные (n – кол-во каналов) в их естественные спектральные классы (кластеры). Алгоритм кластеризации приводит спектральный анализ изображения и пересчитывает его в одноканальное распределяя все пиксели (кластеры) по их редкостным хар-ам.

Оператор должен задать 3 основных хар-ки в тело алгоритма:

1. Кол-во классов

2. Кол-во итераций (кол-во пересчетов)

3. Порог сходимости (от 95% до 99%)

…

Создать обучающую выборку – эталон.

Источником эталонов м.б спектральные библиотеке. Эталоны набранные вручную оператором.

Существуют несколько основных решающих алгоритмов управляемых классификаций:

1. Способ параллелепипеда

Останутся не классифицированные пиксели, которые не попали не в одну из выборок

2. Метод min дистанций

Если не поставлено ограничение на длину вектора то будет классифицировано все изображение

3. Max вектора

Основан на определении степени вероятности попадания пикселя в тот или иной класс

Все изображение будет классифицировано, если не поставить порог

4. Метод спектрального угла

Основан на сравнении спектральных векторов характеристик