Target : Mampu melakukan klasifikasi berdasar sampel menggunakan algoritma Nearest Neighbor
Tulisan ini adalah seri kelima dalam latihan dasar di Tutorial OBIA, sebelum melanjutkan membaca, baca dulu tahap-tahap sebelumnya:
- Download dan instalasi Definiens eCognition Developer
- Tahap pertama setelah membuka eCognition Developer
- Menulis Ruleset di eCognition Developer
- Segmentasi menggunakan berbagai algoritma segmentasi
Langkah 1: Segmentasi
Untuk latihan kali ini, kita gunakan hasil segmentasi pada latihan sebelumnya.
Jika hasil tersebut hilang gunakan segmentasi dengan pengaturan sebagai berikut:
- Multiresolution segmentation; scale = 10, parameter lainnya biarkan default.
- Spectral difference segmentation, nilai = 5.
Langkah 2: Memilih sampel (ROI) untuk klasifikasi
1. Membuat kelas-kelas penutup lahan
Pada Windows Legend, Klik kanan à Insert new class
Ganti nama kelas dan warnanya.
Dengan cara yang sama, buat kelas Tanah terbuka, Lahan terbangun, dan Vegetasi.
2. Menampilkan toolbar Samples
Caranya, pilih Menu View –>Toolbar –> Samples
3. Mengambil sampel.
Klik pada Icon Select Samples.
Pilih kelas penutup lahannya, misal Air. Penutup lahan terpilih akan berwarna biru.
Untuk memilih objek yang akan dijadikan sampel, klik ganda atau gunakan klik + SHIFT.
Pilih beberapa sampel yang mewakili setiap kelas Air.
Gunakan beberapa tampilan dengan klik icon di bawah ini (Silahkan dicoba sendiri untuk mengetahui dan memahami setiap fungsi tampilan).
Dengan cara yang sama, ambil juga beberapa sampel untuk kelas penutup lahan yang lain.
Langkah 3: Mengatur Feature Space
1. Mengatur feature space
Klik Classification –> Nearest Neighbor –> Edit Standard NN Feature Space
Di sini terdapat ratusan object feature yang dapat kita gunakandengan melakukan double klik pada feature yang diinginkan. Untuk latihan kali ini kita gunakan Layer Values Mean dan Standard Deviation
Pada latihan berikutnya, cobalah menggunakan feature-feature lain, seperti tekstur dan geometri.
2. Melihat separabilitas sample dalam feature space 2D
Klik Tools –> 2D Feature Space Plot
Hasilnya kurang lebih seperti ini.
Beberapa hal penting dalam hal ini adalah kita harus menggunakan Level segmentasi sesuai dengan level segmentasi dimana sampel kita ambil.
Selanjutnya, kita dapat memilih untuk menampilkan kelas-kelas yang ingin kita tampilkan. Secara default, semua kelas akan ditampilkan.
Pengaturan axis X dan Y dapat diatur sesuai kebutuhan.
Langkah 3: Mengatur klasifikasi Nearest Neighbor
1. Menerapkan klasifikasi Nearest Neighbor pada kelas yang diinginkan
Pertama, kita harus mengatur kelas-kelas apa saja yang akan kita gunakan dalam klasifikasi.
Klik Classification –> Nearest Neighbor –> Apply Standard NN to Classes
Lalu pilih kelas-kelas yang akan kita gunakan. Kali ini kita gunakan semua kelas. Kita bisa memilih beberapa kelas saja (sesuai kebutuhan).
2. Eksekusi klasifikasi
Pada Process Tree, Klik Insert Child lalu gunakan pengaturan sebagai berikut.
Beberapa hal yang penting adalah:
- pastikan level segmentasi sesuai dengan level segmentasi yang kita gunakan dan sesuaikan dengan level di mana kita memilih sampel.
- Class filter = digunakan untuk memilih klasifikasi akan diterapkan pada kelas apa (latihan mendatang kita akan gunakan opsi ini)
- Active class = kelas-kelas target klasifikasi.
Hasil:
Langkah 4: Melakukan dissolve
1. Tulis rule pada Process Tree sebagai berikut.
Lalu gunakan pengaturan sebagai berikut.
Algorithm = merge region
Beberapa hal yang penting di antaranya:
Level = pilih level hasil klasifikasi
Class filter = pilih kelas yang akan di-dissolve
Fusion Super Object = yes.
2. Dengan cara yang sama, merge kelas-kelas yang lain.
Ruleset kita kurang lebih seperti ini.
Hasil proses dissolve sebagai berikut.
Berikut perbandingan hasil sebelum dan sesudah proses dissolve.
Kembali ke latihan sebelumnya: Latihan segmentasi citra
Lanjut ke latihan berikutnya: Latihan klasifikasi berdasar sampel (dengan hirarki)
Makasih bang,
tapi adakah tutorial youtube bang?
Sama-sama. senang bisa membantu.
Waduh, kalo di youtube belum ada.
Terima Kasih banyak Kak, Kak sebelumnya ada ngga tutorial bagaimana export data from ecognition? Waktu itu pernah coba dan di input ke arcgis cuma atribut labelnya ngga muncul. Terima Kasih
Hi Risma,
Maaf tutorial export data belum ada.
Sama kayak Risma, Dulu pas awal2 aku juga gagal pas proses export, attributenya ga ikut keeksport.
Risma bisa ngikutin tutorial ini: http://letters-sal.blogspot.com/2014/05/exporting-vector-data-with-class-names.html.
Semoga bermanfaat!
Terima Kasih Kak, Hi Kak sebelumnya perkenalkan nama saya Risma Dwi Hartanti, mahasiswi D3 Survey Pemetaan dan Informasi Geografis, saat ini saya sedang menyusun TA tentang metode OBIA, nah saya masih kebingungan perihal proses klasifikasi, apakah saya bisa menghubungi kak saddam secara personal? Terima Kasih
Siap. Aku kirim email ya.
kak, mau tanya jikalau menggunakan citra drone dengan band RGB apakah bisa menggunakan tutorial ini dalam mengklasifikasi?
Hai Anom,
Bisa, hasilnya baik atau tidak nanti tergantung dari kualitas citra dan karakteristik land use yang dipetakan.
Coba dulu saja, nanti kalau hasilnya kurang oke, Anom jangan sungkan hubungi lagi, siapa tahu saya bisa bantu.
Saya juga gunakan foto udara RGB dengan OBIA saat penelitian saya dulu. Good luck!
Wah kebetulan kak, saya sedang menyusun skripsi tentang klasifikasi jenis mangrove menggunakan drone.
Apakah kakak punya kontak yg bisa dihubungi untuk bertanya tentang ini?
Mohon informasinya
Terima kasih
Cek emailmu ya.
Haii kak, saya skripsi saya tentang klasifikasi habitat bentik dengan metode obia, saya belajar otodidak menggunakan aplikasi eCognition. perlu bimbingan banget…boleh minta kontaknya kak?please
Hai, cek emailmu ya!
kak sudah mencoba pada foto udara RGB tapi pada tahap exsekusi klasifikasi tidak menampilkan hasil dan perubahan apapun, kira-kira penyebabnya apa ya?
Kelas-kelasnya udah dipilih?
Coba ulangi tahap2 di Langkah 3.
kak, kalau mau membuat segmentasi menjadi 2 level itu bagaimana cara mengambil sampel pada level 1 ?
Sama prosesnya. Hanya pada proses segmentasi, pada bagian “Domain”, jangan dipilih pada piksel level. Tetapi pilih pada Level 1. Seingetku ada pilihan untuk memilih spesifik kelas mana yang akan dilakukan segemntasi Level selanjutnya.