Sumber bacaan 4/30/2012. Minggu 10: Klasifikasi Data Citra KOMBINASI WARNA

(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

(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,

(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

(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

(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

(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 ?

(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.

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.

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

(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.

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.

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.

(9)

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.

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

(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 3

Feature Space

(Distribusi DN, pada 2

(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 Ba n d 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 Ba n d 2 Band 1 Ba n d 2

Iterasi n. Data pada kluster biru dan hijau, dikelompokan sbg pencilan/ dikelompokan dgn kluster terdekat.

(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)

(13)

Kedekatan dengan nilai rata-rata kluster

Band 1 Ba n d 2 Band 1 Ba n d 2 Band 1 Ba n d 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

(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