Classificatori Statistici e Reti Neurali nella segmentazione ... - Circe

7. T viene assunto come la distribuzione percentuale attesa obiettivo (target) dei pixel perelevazione e temi, mentre C rappresenta la distribuzione corrente ad ogni iterazione. Ifattori correttivi CF vengono ridefiniti in modo da forzare C verso T, ma con una certaflessibilità: anche T viene aggiornata, forzandola leggermente verso C. In breve, laclassificazione corrente viene forzata a riprodurre la tavola elevazione/temi dedotta daCORINE, ma al medesimo tempo anche la tavola derivata da CORINE viene corretta pertener conto in qualche modo dell’evidenza empirica espressa dai dati radiometrici.L’aggiornamento di CF e C ad ogni iterazione è condotto come segue:• Prima viene modificato il valore del coefficiente alpha, diminuendolo man mano chele iterazioni procedono( NIterations − current _ iteration)alpha = alpha0NIterationsdove NIterations è il numero di iterazioni, current_iteration è il numero d’ordinedell’iterazione corrente (la prima è 0) e alpha0 è un valore iniziale stabilitodall’analista. Nelle nostre prove abbiamo usato valori di alpha0 tra 0.1 e 0.3, mentreun numero di iterazioni tra 20 e 40 si sono dimostrate sufficienti a produrre unaconvergenza soddisfacente.• Poi, per ogni cella per la quale CF ij non è impossibile (vale a dire, per ogni tema jcompatibile con la quota i del pixel), il fattore di correzione viene modificato in mododa rendere l’assegnazione meno probabile se C ij > T ij , e viceversa:CFijCij−Tij= CFij∗(1+ alpha )( C + T ) / 2Anche T ij viene modificato avvicinandolo al suo omologo C ij :TijCij−Tij= Tij∗( 1+k ∗alpha)C + Tdove k è una costante compresa tra 0 e 0.5, stabilita dall’analista.8. Una volta aggiornate le matrici CF and C, si ritorna al punto 6 per un altro ciclo diassegnamento/correzione.Si può notare che quelli che abbiamo chiamato Fattori Correttivi CF ij possono essere visticome delle probabilità a priori aggiornate continuamente, desunte da una conoscenza a priorinon rigida. L’approccio si può dunque considerare di tipo bayesiano.Si noti che il tema cui appartiene il pixel in CORINE non viene mai preso in considerazionenel calcolo delle distanza o nell’assegnazione. Vengono considerate solo le matrici T e C, cheesprimono le distribuzioni aggregate, rispettivamente obiettivo e corrente, dei temi sugliintervalli di elevazione. La distribuzione spaziale dei temi prodotta dalla classificazione finalerisulta ben riconoscibile, ed in generale accordo con CORINE.ijijijij