Riassunto

Tesi di dottorato, 2009
Anna Nora Tassetti
Analisi Tessiturale ed Ibrida per la Classificazione GIS-ready dell’Uso/Copertura del Suolo
Analisi Tessiturale ed Ibrida per la classificazione GIS-ready dell’ Uso/Copertura del suolo
Riassunto
Una delle maggiori applicazioni del Remote Sensing consiste nella costruzione di carte uso del
suolo come strumento indispensabile di pianificazione e controllo del territorio. In questo contesto la ricerca proposta in questa tesi nasce dall’esigenza di definire una metodologia di classificazione automatica di immagini tele rilevate ad alta risoluzione in contrapposizione al tradizionale processo di fotointerpretazione, penalizzato da costi elevati e lunghi tempi di realizzazione.
L’ obiettivo generale della tesi è raggiunto in due fasi principali.
Inizialmente, in un contesto pixel-based tradizionale, si è investigato l’uso di indici, maschere
vegetative (NDVI, TDVI, SAVI) e di bande tessiturali (GLCM e edge-density features etc.) come
informazioni aggiuntive alle originarie bande spettrali. I test e la metodologia sviluppata confermano come, utilizzando bande sintetiche aggiuntive, anche la tradizionale classificazione
pixel-based possa dare risultati accettabili (80.01% di accuratezza contro il 63.44% della sola
classificazione spettrale), trarre vantaggio dall’alta risoluzione geometrica e minimizzare gli
inconvenienti legati alle correlata alta variabilità spettrale.
Nella seconda fase, la metodologia di classificazione automatica è ottimizzata in un approccio
“ibrido” che combina insieme le tradizionali tecniche pixel-based e object-based avvalendosi di
strumenti di segmentazione e assegnazione rule-based del tematismo alle regioni estratte. In
particolare, le informazioni spaziali sono inizialmente integrate come bande sintetiche (Haralick, Gabor, Law features) generate e selezionate “ad hoc” in base ad un dataset ottimale di
training (approccio“Relief-F”,distanze statistiche di Mahalanobis). Infine un approccio ad oggetti si avvale di un sistema di regole per assegnare classi del suolo CORINE alle regioni segmentate in termini di percentuali di appartenenza (approccio “Winner Takes All”) e parametri di
forma. Il risultato è una carta tematica LULC (Land Cover/Land Use) GIS-ready e con alte prestazioni in termini di accuratezza e numero di classi tematiche estratte in confronto ai metodi
tradizionali di classificazione pixel-based. Altro punto di forza della metodologia ibrida proposta è un’analisi dettagliata dei risultati mediante matrici di confusione, mappe di stabilità e indici ad hoc che valutano il grado di correttezza/affidabilità delle aree correttamente classificate e
al contempo individuano le problematiche delle aree errate. Il tutto è stato implementato
nell’ambiente di lavoro C++, grazie alla collaborazione col dipartimento DIIGA.
Keywords: ADS40, Uso del suolo, Classificazione Ibrida Supervisionata, analisi tessiturale.