Page 1
4/30/2012
1
Minggu 10: Klasifikasi Data Citra Proses Sebelum Klasifikasi
• Koreksi Geometri • Koreksi Radiometri • Koreksi Topografi • Penajaman Citra
Klasifikasi Pemilihan Kombinasi warna Teknik Klasifikasi
• Visual • Dijital Tidak Terbimbing Terbimbing Parametric Non-Parametric
Minggu 9
Sumber bacaan
http://web.pdx.edu/~emch/ip1/bandcombinations.html
http://www.crisp.nus.edu.sg/~research/tutorial/opt_int.htm
PRINCIPLES OF REMOTE SENSING
Dr. S. C. Liew
Centre for Remote Imaging, Sensing and Processing
National University of Singapore
Blk S17/SOC1 Level 2, Lower Kent Ridge Road
Singapore 119260
KOMBINASI WARNA
Panchromatic Images Multispectral Images/
Color Composite Image
Berbagai warna dapat dibuat
berdasarkan 3 warna primer
(Hukum warna Aditif)
Page 2
4/30/2012
2
True Colour Composite/Natural color
Kombinasi 3 warna yang
disusun berurutan RGB,
sehingga menghasilkan
warna yang sama dengan
warna yg ditangkap mata
ketika memandang alam
terbuka
Untuk Landsat/Ikonos :
kombinasi band RGB =
3:2:1
False colour composite :
R = band 4
G = band 3
B = band 2
Vegetasi akan berwarna
merah dengan berbagai
tone. Variasi ini banyak
digunakan untuk studi
klasifikasi vegetasi.
Merah tua menunjukkan
vegetasi yang lebih
padat/lebih sehat
Semakin muda
menunjukkan vegetasi
yang jarang.
Air dangkal/keruh terliha
lebih terang.
False Colour Composite
Kombinasi 3 warna yang
disusun berurutan RGB :
4:5:1
Banyak digunakan untk
studi vegetasi. Vegetasi
sehat akan berwarna
merah gelap, orange,
coklat, kuning,
Page 3
4/30/2012
3
False Colour Composite
R = band 5
G = band 4
B = band 3
Kombinasi ini banyak
memberikan informasi
variasi dan kontras warna.
Vegetasi sehat berwarna
hijau terang.
Banyak digunakan untuk
pengelolaan hutan.
Daerah perumahan/urban
berwarna merah/pink
.
Optimum Index Factor
Nilai statistik yang dapat digunakan sebagai acuan untuk
Menentukan Kombinasi 3 band dalam citra yang mempunyai
tampilan warna yang paling optimum
Klasifikasi Data Citra
Merubah data citra menjadi informasi
Penutupan lahan/penggunaan lahan
Penutupan lahan adalah kondisi fisik
permukaan bumi
Land use : deskripsi bagaimana
manusia mengelola lahan.
Misal :
Hutan = Land cover
Hutan Lindung = Land use
Padang rumput = Land cover
Ranch/Padang Golf : Lan use
Page 4
4/30/2012
4
Element Order 1
• Tone : Variasi kedalaman warna obyek dari warna tua ke muda, atau hitam ke putih yang dapat dibedakan
• Colour : Warna obyek
KLASIFIKASI VISUAL
Colour/Warna & Tone
Obyek
Hijau : ?
Hijau muda
Hijau tua
Merah : ?
Merah muda/pink
Biru : ?
Tua
Kuningan : ?
Kuning muda
Putih : ?
Putih
Abu
Hitam : ?
False ColorComposite : LANDSAT, RGB = 5:4:3
Elemen Order 2:
• Size – membantu menentukan obyek berdasarkan ukuran – Perkebunan rakyat &
perkebunan besar
• Shape – membantu menentukan karakter obyek berdasarkan bentuk – man made – cenderung garis
lurus – natural – cenderung tidak
beaturan
VISUAL
Page 5
4/30/2012
5
False ColorComposite : LANDSAT, RGB = 5:4:3
Elements Orde 2 • Texture – frekuensi perubahan dan
susunan dari tone
– Pengamatan visual kehalusan/kekasaran (smoothness or roughness)
– Misal Air : biasanya halus, Alang-alang : medium texture, and Hutan alam dataran rendah: kasar
• Pattern - arrangement spasial dari objects
– Linear untuk jalan, sungai dll
VISUAL
Page 6
4/30/2012
6
Element order 3 • Site
– bagaimana obyek berada pada suatau tempat
– aspect, topografi, geologi, tanah, & vegetasi
• Association
– obyek biasanya berasosiasi engan obyek yang lain.
– Sangat membantu dalam interpretasi man made obyek
VISUAL
Elements Order 3 • Height – menjelaskan
detail dari obyek (ketinggian obyek)
• Shadow
Membantu menentukan detil obyek
– Identifikasi dapat ditingkatkan dengan informasi bayangan
VISUAL
Contoh Dimana Mangrove ? Dimana Hutan dataran rendah ?, Dimana Perkebunan ?
Dimana Lahan terbuka ? Dimana lahan pertanian ?, Dimana Sungai ? Dimana Jalan ?, Dimana Awan ?
Dimana Bayangan awan ? Dimana Tambak ?, Dimana Semak belukar ?
Page 7
4/30/2012
7
Perbandingan Penampilan Beberapa Objek pada Landsat dan PALSAR
No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan
1. Hutan Mangrove Hijau pucat pada Palsar and hijau gelap pada Landsat.
2. Hutan pegunungan tropis
Hijau muda pada Palsar dan hijau tua pada Landsat.
3. Hutan pegunungan tropis
Hijau muda pada Palsar dan hijau-hijau kecoklatan pada Landsat.
No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan
4. Hutan dataran rendah
Hijau kekuningan pada Palsar dan hijau pucat pada Landsat.
5. Hutan rawa Hijau pucat pada Palsar dan hijau pada Landsat
6. Hutan tanaman jati
Hijau kekuningan pada Palsar dan hijau muda pada Landsat.
7. Hutan tanaman pinus
Hijau terang pada Palsar dan hijau tua pada Landsat.
No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan
8. Hutan tanaman mangium
Hijau terang pada Palsar dan hijau tua pada Landsat.
9. Hutan tanaman Eucalypthus
Hijau terang pada Palsar dan hijau pada Landsat.
10. Kebun campuran (Karangkitri)
Hijau muda pada Palsar dan hijau pucat pada Landsat
11a Perkebunan sawit muda (dibawah 5 m)
Biru gelap pada Palsar dan hijau-hijau kekuningan pada Landsat. Di daerah bergunung.
Page 8
4/30/2012
8
No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan
11b Perkebunan sawit muda (dibawah 5 m)
Kemerahan-biru kecoklatan pada Palsar dan hijau pada Landsat. Di daerah datar, pola kotak-kotak.
11c Perkebunan sawit tua (diatas 10 m)
Kemerahan-biru kecoklatan pada Palsar dan hijau pada Landsat. Di daerah datar, pola kotak-kotak.
11d Perkebunan sawit tua (diatas 10 m)
Biru kecoklatan pada Palsar dan hijau pada Landsat. Di daerah datar, pola kotak-kotak.
12. Perkebunan teh Biru dan kehijauan menyebar pada Palsar dan hijau muda bercampur merah pada Landsat.
No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan
13. Perkebunan karet rakyat
Kuning kehijauan-hijau kekuningan pada Palsar dan hijau kecoklatan pada Landsat. Pola pada Palsar tidak bisa dilihat, tapi jelas pada Landsat.
13a Perkebunan karet
Kuning kehijauan-hijau kekuningan pada Palsar dan hijau kecoklatan pada Landsat. Pola terlihat jelas baik pada Palsar maupun pada Landsat.
14. Perkebunan kelapa
Hijau pucat pada Palsar dan hijau muda-tua pada Landsat
15. Perkebunan tebu
Hijau pada Palsar dan hijau pada Landsat. Kebun tebu biasanya dikelilingi oleh persawahan.
No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan
16. Kebun salak Hijau keabuan pada Palsar dan hijau muda pada Landsat
17. Pertanian lahan kering
Biru menyebar pada Palsar dan merah kecoklatan menyebar pada Landsat
18. Sawah Biru gelap- ungu pada Palsar dan biru gelap pada Landsat. Sawah belum ditanami.
19. Belukar tinggi Hijau gelap pada Palsar dan hijau pada Landsat.
Page 9
4/30/2012
9
No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan
20 Padang rumput Biru gelap-ungu pada Palsar dan pink pada Landsat
21 Pemukiman perkotaan
Kuning- hijau kekuningan-putih pada Palsar dan merah pada Landsat
22 Pemukiman pedesaan
Merah muda pada Palsar dan merah pada Landsat. Pemukiman tersebar.
23. Lapangan Golf Biru gelap pada Palsar dan kuning muda pada Landsat.
No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan
24. Bandara Biru gelap pada Palsar dan kuning muda pada Landsat
25. Badan air Biru muda pada Palsar dan biru tua pada Landsat.
KLASIFIKASI DIGITAL
• Distribusi Nilai DN
• Pengelompokan Nilai DN Tidak Terbimbing
Terbimbing (Parametric/Non Parametric: feature space)
– Minimum Distance
– Parallelepiped Classification
– Stepped Parallelepiped
– Equiprobability Contours
Page 10
4/30/2012
10
Band 1
Band 2
Band 3 (B)
Band 4 (G)
Band 5 (R)
Band 6
Band 5: 4: 3
Digital Number
Klasifikasi Tidak Terbimbing (Unsupervised Classification)
• Mengelompokan Nilai DN Berdasarakan Minimum Distance, tanpa campur tangan operator
• Tetap perlu pemahaman lapang untuk reklasifikasi
BAND 4
BAND 3
Feature Space (Distribusi DN, pada 2
sumbu/bands)
Page 11
4/30/2012
11
ISODATA
I - iterative
S - self
O - organizing
D - data
A - analysis
T - technique
A - (application)?
Band A
Band B
Band A
Band B
1st iteration cluster mean
2nd iteration cluster mean
KLASIFIKASI DIJITAL TIDAK TERBIMBING
ISODATA
Band 1
Band 2
Iterasi 1. Data
dikelompokan,
namun cluster biru
terpisah jauh
Iterasi 2. Kluster biru
dipisah menjadi 2,
Cyan and hijau
hanya mempunyai 2
data.
Band 1
Band 2
Band 1
Band 2
Iterasi n. Data pada
kluster biru dan
hijau, dikelompokan
sbg pencilan/
dikelompokan dgn
kluster terdekat.
Page 12
4/30/2012
12
Klasifikasi Terbimbing
• Mengelompokan Nilai DN Berdasarakan Minimum Distance, dengan arahan operator – Menentukan rule/aturan pengelompokan
• Menentukan training area
– Klasifikasi
– Pengelompokan Ulang
– Uji akurasi
BAND 4
BAND 3
Feature Space (Pengempokkan DN,
pada 2 sumbu/bands)
Minimum Distance To Means (kedekatan dengan nilai rata-rata tiap kluster)
Page 13
4/30/2012
13
Kedekatan dengan nilai rata-rata kluster
Band 1
Band 2
Band 1
Band 2
Band 1
Band 2
Iterasi 1.Pusat
Kluster ditempatkan
secara acak,
kemudian setiap
pixel dikelompokan
pada pusat kluster
terdekat.
Iterasi 2.Pusat
kluster berpindah ke
rata-rata pusat tiap
kluster.
Iterasi ke N. Kluster
dan pusat kluster
terakhir/stabil.
Parallelepiped Classification
• Setiap kelas dikelompokan
dengan menggunakan kotak
spektral (Spectral box)
•Terjadi overlap antar kotak, krn
adanya korelasi band pada
setiap kelasnya.
•Data yg overlap dapat
dikelompokkan sebagai tidak
terklasifikasi
Stepped Parallelepiped Strategy
Page 14
4/30/2012
14
KLASIFIKASI DIJITAL TERBIMBING PARAMETRIC
KLASIFIKASI DIJITAL TERBIMBING NON PARAMETRIC
Akurasi
DATA KLASIFIKASI
DATA REFERENSI Hutan Primer
Hutan Sekunder
Semak Belukar
Lahan Pertanian
Lahan Terbuka
Pemu- kiman
Badan Air Total
User Accuracy
Hutan Primer 100 10 2 0 0 0 0 112 89.29
Hutan Sekunder 10 60 3 0 0 0 0 73 82.19
Semak Belukar 2 2 45 8 1 0 0 58 77.59
Lahan Pertanian 0 0 10 65 0 0 0 75 86.67
Lahan Terbuka 0 0 0 0 12 8 0 20 60.00
Pemukiman 0 0 0 0 6 23 0 29 79.31
Badan Air 0 0 0 0 0 0 12 12 100.00
112 72 60 73 19 31 12 379
Producer Akurasi 89.29 83.33 75.00 89.04 63.16 74.19 100.0 83.64
Ommission error
Commission error
Over all accuracy
Confusion matrix