Засоби дистанційного зондування OpenSource для класифікації дахів


30

за допомогою інструментів для обробки та класифікації зображень Envi ви можете отримати дахи із зображень з деяким спектральним значенням, а потім зможете перетворити на нього деякі векторні дані для свого додатка.

в python з OpenCV, які відлучені Intel (має безліч алгоритмів виявлення об'єктів), ви можете виявити обличчя із зображень.

Приклад OpenCV:

моє запитання полягає в тому, що ми можемо виявити дах або що-небудь із скоординованих або некоординованих супутникових знімків із інструментами open source як python?

Приклад супутникового зображення:

введіть тут опис зображення

Відповіді:


18

Раніше я використовував OpenCV для підготовки для виявлення об'єктів для гео. Orfeo Toolbox - хороший вибір з відкритим кодом, як зазначив Васкобнунес. Для версії із закритим кодом ви можете подивитися Feature Analyst (у якого також є розширення ArcGIS).

Врешті-решт, це зводиться до навчання машині підтримки вектора . Є кілька бібліотек, які ви можете використовувати для цього майже на більшості мов.

Це приклад інструменту, який я написав кілька років тому, який використовує libsvm для виявлення деревних об'єктів. Коли мене знайдуть, я розміщую справжній 3D-об’єкт з дерева, куди він іде.

Приклад виявлення об'єкта за допомогою libsvm

Це відео про це в дії, яке я тоді опублікував на YouTube .

Будь-яка з цих бібліотек дозволить вам робити речі з python.


дякую вам за пораду .. чи є хороший додаток. док. для цього. мені це здалося трохи складним ...
Арагон

orfeo та аналітик функцій (згаданий вище) - програми з великою кількістю документації. Envi також може зробити це exelisvis.com/portals/0/tutorials/envi / ... До речі, Орфей (варіант з відкритим вихідним кодом) має QGIS плагін
раги Yaser Burhum

10

Я боюся, що задоволення виявлення даху неможливо досягти лише одним супутниковим зображенням. Вам слід спробувати використовувати інші джерела інформації.

Наступна стаття описує спосіб використання пар DEM + пар повітряного зображення + кадастрові дані:

М. Дурупт, Ф. Тейланд'єр. Автоматична реконструкція будівель за допомогою цифрової моделі висоти та кадастрових даних: оперативний підхід. Міжнародний архів фотограмметрії, дистанційного зондування та просторових інформаційних наук. Вип. 36 (частина 3), Бонн, Німеччина, вересень 2006 року.

Дивіться також інші статті в розділі бібліографії (на кшталт цього ).

Я підозрюю, що такі методи не реалізовані в програмному забезпеченні відкритого джерела python.


Дякую. Я шукаю програмне забезпечення з відкритим кодом для його розробки для моєї мети ...
Арагон

7

ви спробували набір інструментів orfeo ?


Я не бачив будь-якого зв'язування пітона в цьому інструменті. Ви можете дати пояснення щодо цієї панелі інструментів.
Арагон

На їхньому веб-сайті вони кажуть: "otb-wrapping для прив'язки низького рівня для Python / Java". orfeo-toolbox.org/otb/download.html
Томек

4

Ну лише з одного зображення, ви можете робити класифікацію під наглядом або без нагляду. Спробуйте кілька разів і подивіться, чи хороші результати.

Краще, так, як я це робив, робив ортофото з зображень. Тоді я мав слід будівлі, тому я фільтрував місцевість із зображення. Потім я зробив класифікацію пікселів і створив векторні об'єкти.

Якщо у вас є DEM або у вас є стереопари, ви можете їх створити. Тоді ви можете виявити дахи.

Також у вашому образі зображення повне тіней. Успіхів мати справу з ними. Як такий, у пітоні я нічого не бачив. Я використовував ArcGis для класифікації. Але оскільки ви згадали про відкритий код, QGIS можна спробувати.

Підсумкове зауваження: те, про що ви запитували, є головною темою досліджень, і вам потрібно розширити свою базу даних, щоб отримати хороші результати. Поодинокі зображення складні для вирішення в цьому випадку.


2

Point Cloud Library - це нова бібліотека з відкритим кодом, її можна використовувати для розпізнавання об'єктів на основі DEM або Orthophoto, я б хотів, щоб це могло допомогти, але я ніколи не використовував її.

Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.