|
|
2. Mahalanobis Klassifikator
Hier erfolgt die Zuordnung eines Pixels über den kürzesten statistischen
Abstand (die Mahalonobis-Distanz). Beim Mahalonobis-Klassifikator wird nur
eine Kovarianzmatrix benutzt statt verschiedene für jede der i-Klassen.
Im 2-dimensionalen Merkmalsraum sind die Cluster Ellipsen, keine Kreise wie
bei der Minimum-Distance-Methode. Die Trennfunktion ist wieder eine Gerade,
jedoch ist ihr Verlauf durch die Kovarianzmatrix bestimmt und nicht mehr die
Gerade zwischen den Klassenmittelpunkten und der Position des Pixels.
3. Maximum-Likelihood-Klassifikator
Dieser Klassifikator benutzt verschiedene Kovarianzmatrizen für jede
Klasse. Er liefert bessere Resultate als die vorhergehenden, hat allerdings
eine höhere Rechenzeit, da jede Kovarianzmatrix der i-Klassen berechnet
werden muss.
Da die Kovarianzmatrix für jede Klasse verschieden ist, ist die Trennfunktion keine gerade Linie, sondern, bei 2 Kanälen eine Kurve, bei mehr Kanälen sind sie Flächen höherer Ordnung.
| Home > Lernmodule > Modul 6 |