Який інструмент ви вважаєте за краще використовувати для класифікації даних дистанційного зондування, наприклад, класифікації землекористування та чому ?
Які ще інструменти ви пробували, і чому ви вирішили проти них?
Відповіді:
Я використовую ряд інструментів залежно від типу класифікації, яку я намагаюся виконати.
Для загальної непідконтрольної / контрольованої класифікації я використовую ENVI , який має безліч варіантів методів класифікації (включаючи деякі більш досконалі методи з використанням нейронних мереж та підтримуючих векторних машин). Розширити ENVI дуже просто, використовуючи мову програмування IDL, і я виявив, що це часто спрощує аналіз після класифікації (оскільки ви можете написати власний код, щоб зробити це за потреби).
Якщо я хочу здійснити об'єктно-класифікаційну класифікацію (яка включає сегментацію зображення на об'єкти, а потім класифікацію цих об'єктів, переваги полягають у тому, що ви можете використовувати сукупні властивості об’єктів, такі як засоби смуг, форму та текстуру), я використовую eCognition , хоча я також чув, що ENVI EX хороший, якщо вам не потрібна сила електронного пізнання.
Якщо ви шукаєте вільне програмне забезпечення, то Opticks має ряд варіантів класифікації, хоча з Opticks я ніколи не вдавався. Також Spectral Python - це дуже приємний інструмент, що дозволяє завантажувати зображення в масиви NumPy в Python, а потім обробляти їх. Він включає модуль, що містить різні методи класифікації, і його дуже легко розширити.
Для GIS-рішення з відкритим кодом див. Тут: http://grass.osgeo.org/wiki/Image_classification Він також містить невеликий підручник.
Моїм улюбленим відкриттям цього року стали Orfeo Toolbox та пов'язана з ним програма: Монтеверді.
http://orfeo-toolbox.org/otb/monteverdi.html
Безліч варіантів роботи з дистанційного зондування та дуже корисна документація. О, я згадав, що це безкоштовно і OS
Насолоджуйтесь, са
Я щойно бачив цю публікацію на форумі QGIS і думав, що розміщу тут.
Привіт всім.
Вибачте за перехресне розміщення. Як деякі з вас знають, набір r.li команд GRASS дозволяє аналізувати пейзаж . Її інтерфейс досить складний і досі знаходиться в TclTk, не переноситься ні на wxpython, ні на qgis. Як такий, його зараз використовувати складніше, ніж слід, і він стане непридатним, коли підтримка TclTk відпаде. Можливе рішення (спасибі Radim) - переписати інтерфейс як плагін qgis python. Це не повинна бути величезною роботою (ми попередньо оцінюємо 2-3 тижні).
Питання: чи хтось готовий вкласти чи свій час, чи якісь гроші, щоб написати такий плагін?
Ми (Фауналія) були б раді допомогти у разі потреби.
Список розсилки користувачів Qgis Qgis-user@lists.osgeo.org http://lists.osgeo.org/mailman/listinfo/qgis-user
r.li.*пакет стане непридатним, коли підтримка TclTk буде відхилена , не зовсім вірна! Можна, і зможе, використовувати інструменти через новий - фактично поточний? - (wx) GUI, а також через оболонку GRASS. Так, і в поточній версії (6.4), і в майбутній GRASS-GIS 7.
Ознайомтесь також із програмним забезпеченням ВЕСНА, виготовленим Національним інститутом космічних досліджень Бразилії (INPE). Не впевнений, що це з відкритим кодом, але це, безумовно, безкоштовно.
Я використав Erdas Imagine, ENVI ITT, Idrisi Selva, PCI Geomatica. ENVI має розширення IDL, які дозволяють керувати розширеними алгоритмами класифікації, такими як SVM, ANN, DT і т.д. також є невеликий досвід роботи в Монтеверді, Orfeo Toolbox. Це дуже зручне програмне забезпечення. MultiSpec також має алгоритми класифікації зображень
У мене ще немає переваг (не пробував жодних альтернатив FLOSS), але я протестував Feature Analyst, плагін для Arc *. Незважаючи на е-пізнання, він має низький бар'єр для входу. Це простий у використанні і пропонує приємний інтерфейс для контрольованої класифікації. Ви можете використовувати різні "пензлі" як основний блок виявлення, але це не впливає на результат так сильно, як можна було б очікувати. Він також має пакетний режим, але в моєму випадку він був марним, оскільки для растерів потрібні індивідуальні налаштування зразків тренувань, щоб дати хороші результати.