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

Un primo necessario passo consiste senza dubbio nel rendere più generale il software, così dapoterlo applicare a problemi di classificazione che utilizzino tipi diversi di informazioneancillare. Si è anche descritto un modo, ancora in via di sperimentazione, per estendere ilprocedimento ad un classificatore neurale feedforward.Gli sviluppi futuri prevedono di andare oltre la classificazione pixel a pixel, che appareinsufficiente per dare risposta ai problemi di conoscenza che riguardano le aree costruite. Inambiente urbano e peri-urbano resta la necessità di determinare in via preliminare, suimmagini satellitari ad alta risoluzione, quali pixel siano costruiti e quali no. Questo puòessere fatto con una classificazione automatica pixel a pixel, del tipo descritto in questolavoro, sia che venga usato un classificatore statistico che neurale. A partire da tale immagineclassificata sarà possibile un passo avanti nella determinazione automatica delle caratteristichedel territorio. L’idea è di costruire un classificatore neurale che operi su una finestra diconvoluzione di dimensioni opportune, fatta scorrere sull’immagine pre-classificata, e chericonosca nel gioco di contiguità tra pixel costruiti e no alcune tessiture aventi un particolareinteresse morfologico. L’idea è di addestrare inizialmente la rete, mediante esempi, alriconoscimento di un limitato numero di elementi morfologici importanti e semplici(blocchetti di pixel totalmente costruiti, discontinuità lineari, aree di risulta, ecc.) lasciandopoi alla rete stessa il compito di segnalare altre situazioni irriducibili alla casistica fornitale,che il ricercatore può esaminare per arricchire, quando sia il caso, l’insieme di istruzione.Sarà interessante confrontare, in questo tipo di problema, i risultati di un classificatore neuralecon quelli forniti da un automa cellulare.5. BIBLIOGRAFIABenediktsson A., Swain P.M., Ersoy O.K. (1990), Neural Networks versus Statistical Methodsin Classification of Multisource Remote Sensing Data, IEEE Transactions onGeoScience and Remote Sensing, vol. 28, n.4, 540-552.Bishop M.C. (1996), Neural Networks for Pattern Recognition, Clarendon Press, Oxford.CEC (1993) CORINE Land Cover technical guide, European Union, Directorate-GeneraleEnvironment, Nuclear Safety and Civil Protection. Luxembourg.Griguolo S. (1996) Classification on Sets of Remotely-Sensed Images: a VegetationMonitoring Model, in Binaghi E., Brivio P.A., Rampini A. (eds.), Soft Computing inRemote Sensing Data Analysis, World Scientific, Singapore, 235-244.Griguolo S. (1998) Land Cover from Satellite Imagery: which Classifier to use?, in T. K.Poiker, N. Chrisman (eds.), Proceedings of the 8 th International Symposium on SpatialData Handling, International Geographic Union, Vancouver, 55-64.Griguolo S. (1999) Land Cover Recognition: an Example of Knowledge-based Classification,in Cankut Ormeci (ed.), International Symposium on Remote Sensing & IntegratedTechnologies, Istanbul Technical University, Istanbul, 183-94.