The process of turning remote sensing image into meaningful categories representing surface conditions or classes is called

The process of turning remote sensing image into meaningful categories representing surface conditions or classes is called Satellite Image Classification. The classifiers used for satellite image classification are divided into two types: statistical and machine learning techniques, the performance of which depends on the data distribution. 

The 3 main image classification techniques in remote sensing are: Unsupervised image classification, Supervised image classification, and object-based image analysis.

Unsupervised and supervised image classification are the two most common approaches. However, object-based classification has gained more popularity because it’s useful for high-resolution data.

In unsupervised classification, it first groups pixels into “clusters” based on their properties. 

Using remote sensing software, we first create “clusters”. Some of the common image clustering algorithms are: K-means and ISODATA.

In supervised classification, you select representative samples for each land cover class. The three basic steps for supervised classification are: Select training areas, Generate signature file, Classify.

The object-based image classification groups pixels into representative vector shapes with size and geometry. Here are the steps to perform object-based image analysis classification: Perform multi-resolution segmentation, Select training areas, Define statistics and Classify.

Example of supervised classification: https://www.researchgate.net/publication/272737692_Effect_of_the_Urban_Land_Cover_Types_on_the_Surface_Temperature_Case_Study_of_Ilsan_New_City

दूरस्थ संवेदन छवि को सतह की स्थितियों या कक्षाओं का प्रतिनिधित्व करने वाली सार्थक श्रेणियों में बदलने की प्रक्रिया को सैटेलाइट इमेज क्लासिफिकेशन कहा जाता है। उपग्रह छवि वर्गीकरण के लिए उपयोग किए जाने वाले वर्गीकरण को दो प्रकारों में विभाजित किया गया है: सांख्यिकीय और मशीन सीखने की तकनीक, जिसका प्रदर्शन डेटा वितरण पर निर्भर करता है।

रिमोट सेंसिंग में 3 मुख्य छवि वर्गीकरण तकनीकें हैं: अनसुप्राइज़्ड इमेज वर्गीकरण, पर्यवेक्षित छवि वर्गीकरण और ऑब्जेक्ट-आधारित छवि विश्लेषण।

अनसुपर्वीकृत और पर्यवेक्षित छवि वर्गीकरण दो सबसे आम दृष्टिकोण हैं। हालाँकि, ऑब्जेक्ट-आधारित वर्गीकरण ने अधिक लोकप्रियता प्राप्त की है क्योंकि यह उच्च-रिज़ॉल्यूशन डेटा के लिए उपयोगी है।

असुरक्षित वर्गीकरण में, यह पहले उनके गुणों के आधार पर "समूहों" में पिक्सेल को समूहित करता है।

रिमोट सेंसिंग सॉफ्टवेयर का उपयोग करते हुए, हम पहले "क्लस्टर" बनाते हैं। कुछ सामान्य छवि क्लस्टरिंग एल्गोरिदम हैं: K- साधन और ISODATA।

पर्यवेक्षित वर्गीकरण में, आप प्रत्येक भूमि कवर वर्ग के लिए प्रतिनिधि नमूने का चयन करते हैं। पर्यवेक्षित वर्गीकरण के लिए तीन बुनियादी चरण हैं: प्रशिक्षण क्षेत्रों का चयन करें, हस्ताक्षर फ़ाइल बनाएं, वर्गीकृत करें।

ऑब्जेक्ट-आधारित छवि वर्गीकरण समूह पिक्सेल आकार और ज्यामिति के साथ प्रतिनिधि वेक्टर आकार में। यहां ऑब्जेक्ट-आधारित छवि विश्लेषण वर्गीकरण करने के लिए चरण हैं: बहु-रिज़ॉल्यूशन सेगमेंटेशन का चयन करें, प्रशिक्षण क्षेत्रों का चयन करें, आंकड़ों को परिभाषित करें और वर्गीकृत करें।