Telerilevamento delle variazioni forestali in un'area dell'Appennino

Le classificazioni sono analisi numeriche di immagini digitali, che permettono di individuare le classi di superfici presenti sul territorio rappresentato nell’immagine. Scopo finale è la produzione di mappe tematiche. Attraverso gli algoritmi di classificazione i pixel delle immagini vengono suddivisi in classi o categorie.
Questi algoritmi sono divisibili in due categorie a seconda dell'approccio alla classificazione:

• metodi convenzionali o standard o hard classifier, in cui si adotta la logica booleana del vero o falso per cui ogni pixel appartiene o non appartiene in modo rigido ad una classe; al pixel viene associata l'etichetta della classe a cui esso è più simile secondo una determinata regola,
• metodi non convenzionali o soft classifier, in cui si adotta la logica del multivalore, per cui è possibile che un pixel appartenga contemporaneamente a più classi e che quindi abbia associate una serie di etichette ognuna indicante il grado di appartenenza ad ogni classe.

Le fasi fondamentali di una classificazione sono tre (Brivio et al., 2006):

• addestramento o training, in cui si fornisce al classificatore una serie di informazioni per metterlo in grado di riconoscere gli elementi di una classe da quelli di un'altra, spesso attraverso un insieme di pixel campione,

• assegnamento o allocation, in cui utilizzando funzioni discriminanti viene assegnato a tutti i pixel una etichetta relativa a una delle classi utilizzate,

• validazione, post-classificazione o validation, in cui viene verificata la capacità di generalizzazione del classificatore attraverso l'analisi degli errori della mappa tematica ottenuta dalla classificazione.

Sulla base di queste fasi è possibile suddividere i metodi di classificazione in due categorie:

• le classificazioni guidate o supervised, in cui occorre definire a priori le classi, a ognuna delle quali associare un certo numero di pixel ricadenti in aree classificate con certezza (training site); in questo modo si addestra il classificatore a riconoscere le caratteristiche di ogni classe,
• le classificazioni non guidate o unsupervised, in cui le etichette sono assegnate a posteriori, dopo che i pixel sono stati suddivisi in un certo numero di classi attraverso una qualche regola di decisione.