画像分類の基本用語

ArcGIS Spatial Analyst の画像分類を理解するのに役立つ用語を以下に説明します。

用語	説明
画像	光学機器または電子機器でサーフェスをスキャンすることによって生成されるラスタ データセット。一般的な例としては、スキャン ドキュメント、リモート センシング データ（衛星画像など）、航空写真などが挙げられます。画像は、バイナリまたは整数値のラスタ データセットとして格納され、光、熱、または電磁スペクトルの反射強度を表現します。
セル	ラスタ データの情報の最小単位。1 つのセルは地球上の 1 つの領域を表します。各セルは、その領域から得られた計測値を持ちます。 セルは一般的に正方形の形をしています。各セルが表す面積は、ラスタの解像度によって異なります。高解像度（大縮尺）のラスタ セルは小さな面積を表し、最小で数平方メートル単位で計測されます。低解像度（小縮尺）のラスタにおけるセルは大きな面積を表し、数ヘクタールまたは数平方キロメートルを表します。
ピクセル	画像またはラスタ マップの情報の最小単位。通常は、四角形または長方形。多くの場合、ピクセルという用語はセルと同じ意味で使用されます。
画像分類	画像のピクセルをクラスまたはクラスタに並べ替える、または整理する処理。アナリストとコンピュータとのやり取りによって、画像分類は、教師付き分類と教師なし分類の 2 種類に分けられます。
教師付き分類	アナリストによって収集されたトレーニング サンプルに基づく画像分類の手法。ソフトウェアは、トレーニング サンプルからどのように分類すればよいかを学習し、画像の残りのピクセルを分類します。
教師なし分類	アナリストによる操作を必要としない、画像のピクセルをクラスタに並べ替える画像分類の手法。多次元属性空間内のピクセル値の分布のみに基づく分類です。
クラス	地表の同一の物体を表す、画像上のピクセル群。
クラスタ	多次元属性空間の特定のピクセル群。クラスタはクラスと似ていますが、クラスタ解析実行時にはクラスタが表す地上物体は識別されません。
トレーニング サンプル	教師付き分類において、さまざまなクラスを表す画像のサンプル エリア。トレーニング サンプルによって画像のクラスの例が提供されるため、分類ツールは残りのピクセルの分類方法を学習することができます。
シグネチャ ファイル	シグネチャ ファイルは一連のバンド内での異なるクラスを使用した、スペクトルのシグネチャを記録します。シグネチャには、トレーニング サンプルから計算した各クラスの平均値と共分散マトリックスが含まれています。

一般的な「ラスタ データ用語」もご参照ください。