Multispektralna segmentacja obrazu dla aplikacji wykorzystujących zasoby naturalne przy użyciu R.

11

R ma zdolność do segmentacji obrazu, chociaż wszystkie przykłady, na które natrafiłem, wykorzystują pojedyncze pasmo do segmentacji ( przykład ). Interesuje mnie połączenie zdolności R do losowej klasyfikacji obrazu lasu z podejściem segmentacji obiektowej.

Jaką funkcję ma R do wielospektralnej segmentacji obrazu, która jest odpowiednia do analizy opartej na zasobach naturalnych? Lub jak połączyć wyniki segmentacji jednopasmowej do dalszej analizy.

Aaron
źródło
5
W podanym przez ciebie przykładzie używają klastrowania spektralnego. Grupowanie widmowe można zasadniczo zastosować również do danych n-wymiarowych, ponieważ po prostu rozkłada macierz podobieństwa, którą można zbudować dla dowolnego rodzaju danych. Zasadą klastrowania widmowego jest osadzanie danych w przestrzeni o niższych wymiarach i przeprowadzanie klastrowania w tej przestrzeni (np. Za pomocą kmeanów). Nie znam się zbyt dobrze na R, ale jestem pewien, że zajmie to tylko kilka linii kodu (przynajmniej w Matlabie, zajmuje to kilka linii). Jeśli nie, jestem pewien, że istnieją bezpłatne implementacje innych podejść, takich jak segmentacja z przesunięciem średnim.
pixelmitch
Jeśli nie musi to być R (tylko coś open source), możesz użyć RSGISLib do segmentacji i zastosować Losowe Lasy za pomocą scikit-learn. Jest przykład, który napisałem tutaj, jak to zrobić. spectraldifferences.wordpress.com/2014/09/07/… . Możesz także użyć RSGISLib do segmentacji i atrybutów obiektów, a następnie zaimportować do R jako plik tekstowy do klasyfikacji.
danclewley
Znalazłeś odpowiedź?
George Nostradamos,
@GeorgeNostradamos Nie dla R. Jednak Python ma średnią segmentację z przesunięciem, która wykorzystuje wiele pasm. Wierzę, że jest w pakiecie scikit-learn.
Aaron
@Aaron Mam już doświadczenie z Pythonem i GRASS, ale chciałem zobaczyć, jak daleko mogę pchnąć R. W każdym razie zobaczę, co mogę znaleźć, dzięki
George Nostradamos

Odpowiedzi:

3

Może to być łatwiejsze przy użyciu przybornika Orfeo ( https://www.orfeo-toolbox.org/ ), który jest dostarczany z OSgeo4W i można uzyskać do niego dostęp za pomocą QGIS lub interfejsu wiersza poleceń.

W tym samouczku do generowania obiektów wykorzystuje się średnią segmentację przesunięcia, którą można sklasyfikować za pomocą SVM / losowych lasów itp.

http://wiki.awf.forst.uni-goettingen.de/wiki/index.php/Object-based_classification_%28Tutorial%29

Tom Higginbottom
źródło