New approach for classification of high-resolution satellite images is presented in the article. That approach has been developed at the Institute of Geodesy and Cartography, Warsaw, within the Geoland 2 project - SATChMo Core Mapping Service. Classification algorithm, aimed at recognition of generic land cover categories, has been elaborated using the object-oriented approach. Its functionality was tested on the basis of KOMPSAT-2 satellite images, recorded in four multispectral bands (4 m ground resolution) and in panchromatic mode (1 m ground resolution). The structure of the algorithm resembles decision tree and consists of a sequence of processes. The main assumption of the presented approach is to divide image contents into objects characterized by high and low texture measures. The texture measures are generated on the basis of a panchromatic image transformed by Sigma filters. Objects belonging to the so-called high texture are classified at first steps. In the following step the classification of the remaining objects takes place. Applying parametric criteria of recognition at the first group of objects four generic land cover classes are classified: forests, sparse woody vegetation, urban / artificial areas and bare ground. Non-classified areas are automatically assigned to the second group of objects, which contains water and agricultural land. In the course of classification process a few segmentations are performed, which are dedicated to particular land cover categories. Classified objects, smaller than 0.25 ha are removed in the process of generalization.
W artykule przedstawiona jest metoda klasyfikacji wysokorozdzielczych zdjęć satelitarnych. Została ona opracowana w Instytucie Geodezji i Kartografi i w ramach europejskiego projektu Geoland 2 - serwisu SATChMo. Algorytm klasyfikacyjny, którego celem jest rozpoznanie podstawowych klas pokrycia terenu, został opracowany z zastosowaniem podejścia obiektowego. Jego działanie zostało sprawdzone na podstawie zdjęć KOMPSAT-2 rejestrujących obrazy w czterech kanałach wielospektralnych (4 m) oraz w kanale panchromatycznym (1 m). Struktura algorytmu zbliżona jest do drzewa decyzyjnego i składa się z szeregu kolejno wykonywanych procesów. Podstawowe założenie przyjętego sposobu postępowania stanowi podział treści zdjęcia na obiekty charakteryzujące się niskimi i wysokimi wartościami tekstury. Jest on wykonywany na podstawie przetworzonego filtrami Sigma kanału panchromatycznego. Najpierw klasyfikowane są obiekty z grupy tzw. wysokiej tekstury a następnie pozostałe. Stosując parametryczne kryteria rozpoznania, w pierwszej grupie obiektów klasyfikowane są lasy, roślinność rozproszona, zabudowa oraz tereny pozbawione pokrywy roślinnej. Obiekty niesklasyfikowane są automatycznie dołączane do drugiej grupy obiektów, w ramach której rozpoznawane są wody oraz tereny rolnicze. W toku procesu klasyfikacji jest wykonywany szereg segmentacji dedykowanych poszczególnym klasom. Obiekty mniejsze od 0.25 ha są poddawane generalizacji.