Nearest-Neighbour-Verfahren
Syn. Nächste-Nachbarschaft-Verfahren; Resampling-Verfahren, bei dem jeder neuen Pixelposition der Grauwert des nächstgelegenen Pixels im Ausgangsbild zugewiesen wird.
Aus den zu definierenden Trainingsgebieten werden dabei die Mittelwerte für jede Eingangsinformation (Intensitäten, Texturparameter, Streuparameter usw.) berechnet. Dies geschieht unabhängig davon, welcher Klasse sie angehören, so dass eine Klasse sich aus ungleichen Referenzflächen zusammensetzen kann.
Für jedes zu klassifizierende Bildelement wird der Abstand zu den Mittelpunkten der Trainingsgebiete berechnet. Ein Bildelement (Pixel oder Objekt) wird dann der Referenz zugeteilt, zu deren Mittelpunkt der Abstand am kürzesten ist. Ist der Abstand größer als ein zuvor festzulegender Grenzwert, wird das entsprechende Bildelement nicht klassifiziert.
Bei dem Verfahren können im Ergebnisbild Lagefehler bis zur Hälfte der Pixelgröße entstehen. Schräg verlaufende Grauwertkanten können im Ergebnisbild stufig erscheinen. Dieser Effekt kann durch eine hinreichend klein gewählte Pixelgröße im Ergebnisbild verringert werden.
Es kann auch vorkommen, daß einzelne Grauwerte mehrmals zugeordnet werden. Dies führt zu einer blockigen Struktur des korrigierten Bildes. Probleme können darüber hinaus vor allem dann auftreten, wenn multitemporal gearbeitet wird, denn Landschaftsgrenzen sind evtl. leicht gegeneinander verschoben.
Die Vorteile des Nearest-Neighbour-Verfahrens liegen im geringen Rechenzeitaufwand und in der Tatsache, daß keine neuen Grauwerte berechnet werden. Die ursprüngliche spektrale Signatur der verschiedenen Objektklassen bleibt unverfälscht erhalten, was zur Durchführung einer multispektralen Klassifizierung von Vorteil ist. Ferner bleiben bei diesem Verfahren die Originalwerte des Ausgangsbildes erhalten. Dies ist eine wichtige Voraussetzung, wenn später eine Klassifikation der Pixelwerte erfolgen soll, um Objekte oder Eigenschaften wie z.B. Landbedeckungstypen zu erkennen. Hierzu sind Originaldaten heranzuziehen.
Weitere Informationen: