Interesuje mnie niedrogie lub otwarte oprogramowanie do tworzenia warstw GIS pokrywających ziemię, które wykorzystują algorytmy ekstrakcji spektralnej i teksturalnej. W przeszłości korzystałem z PCI Geomatica, ENVI i Feature Analyst VLS; jednak te rozwiązania są nieco poza moim zakresem cen, jakieś zalecenia dotyczące oprogramowania?
Możesz do tego użyć GRASS GIS, który obsługuje ekstrakcję tekstur i klasyfikację obrazów w oparciu o podejście radiometryczne / segmentacyjne. Pomysł można znaleźć w streszczeniu tej konferencji , planowanym wykładzie na Geoinformatyce FCE CTU 2011.
Zobacz także: http://grass.osgeo.org/wiki/Image_processing i http://grass.osgeo.org/wiki/Image_classification dla przeglądu.
Jeśli dobrze cię rozumiem, szukasz nadzorowanej procedury klasyfikacji. Niektóre podstawy teoretyczne: http://rst.gsfc.nasa.gov/Sect1/Sect1_17.html
Z pewnością jest to możliwe dzięki trawie: http://grass.osgeo.org/wiki/Image_classification#Supervised_classification_2
Jako alternatywę możesz również spojrzeć na sagę (nie mówię, że jest lepiej, ja po prostu lepiej to wiem), która również ładnie gra z qgis i R. Jest kilka filmów demonstrujących to na tej stronie: http: // www.uni-koblenz-landau.de/landau/fb7/umweltwissenschaften/landscape-ecology/Teaching/geostat (pobierz pliki danych, aby uzyskać prezentacje).
We wszystkich programach gis należy zdefiniować liczbę punktów odniesienia lub wielokątów w jednym typie terenu, które są następnie ekstrapolowane na resztę obszaru. Oto przykład klasyfikacji użytkowania gruntów:
W rzeczywistości, jeśli narysowałeś wielokąty treningowe w dowolnym programie gis, możesz użyć R do przewidywania. Zrób nakładkę ze swoimi siatkami, a następnie użyj dowolnego systemu przewidywania, który ci się podoba (np. Rpart, jeśli chcesz drzew klasyfikacyjnych). Więcej informacji w tej książce na stronie 222: http://www.lulu.com/product/file-download/a-practical-guide-to-geostatistic-mapping/14938111
Jest o wiele więcej do powiedzenia, zestawy treningowe powinny być reprezentatywne dla twojego obszaru badań (być może nawet lepiej byłoby wygenerować losowe punkty w R i je sklasyfikować). Powinieneś także starannie dobierać zestawy danych pomocniczych i możesz chcieć wygenerować nowe, jeśli np. Tekstura jest ważną własnością.
-
Jeśli wszystko, co chcesz zrobić, to wyodrębnić regiony lub funkcje (bez ich klasyfikacji), algorytm segmentacji jest bardziej prawdopodobny. Jeden przykład (zaimplementowany w SAGA GIS) omówiono w tym dokumencie: http://mirror.transact.net.au/pub/sourceforge/s/project/sa/saga-gis/SAGA%20-%20Documentation/GGA115/gga115_03 .pdf
Byłbyś w stanie to zrobić za pomocą GRASS.
Najpierw będziesz pracować z danymi rastrowymi:
Wreszcie będziesz manipulować danymi wektorowymi . v.db.select i v.class pomogą ci.
źródło