Витяг доріг із растрових зображень Landsat

Для дослідження розширення дорожніх мереж у тропічному лісі я намагаюся витягнути дороги із зображень Landsat. У нас вже є гострі та безхмарні композити, на яких дороги добре видно оком, але витягнути їх у особливості лінії виявляється складно, тому мені було цікаво, чи хтось знає хороший алгоритм чи метод, який може обробляти великі зображення, які надає Landsat? Я спробував r.thin Grass's, але це, здається, не працює.

Я рекомендую використовувати сегментацію зображень за допомогою вільного програмного забезпечення SPRING , доступного у Бразильському національному інституті космічних досліджень. Документація доступна тут, а підручники - тут . Сегментація зображення забезпечує високу точність класифікації порівняно з методами класифікації на основі пікселів (наприклад, ISODATA, максимальна ймовірність тощо). Для кращого з’ясування моєї відповіді я здійснив сегментацію зображень на зображеннях (nIR, роздільна здатність 1 м), які провели дорогу, що пролягала через хребет у східній частині Орегону. Загальний робочий процес для сегментації зображення за допомогою SPRING такий:

1. Імпорт зображень
2. Виконувати сегментацію (результати показані на зображенні 1)
3. Створіть навчальний набір, вибравши, які регіони належать до якого класу.
4. Проведіть класифікацію за сегментованими регіонами.

Перше зображення показує результати фактичної сегментації. Дорога виділена синім кольором і використовувалася під час кроку 3 (тренування). Я зібрав усі інші класи (наприклад, траву, дерева тощо) в іншу категорію. Підсумкове зображення показує результати алгоритму сегментації та класифікації зображення. Як бачимо, сегментація зображень дала дуже хороші результати із зразком зображень.

З зображеннями Landsat у вас буде менше просторової роздільної здатності, ніж у моїх зразкових знімків, але ви будете мати більшу спектральну роздільну здатність і таким чином зможете виявити більші відмінності між рослинними та нерослинними районами. Оскільки ВЕСНА враховує спектральні смуги, крім форм, ви повинні побачити дуже хороші результати, використовуючи зображення Landsat. Вдачі та вдячності за дослідження такої важливої ​​теми.

Класифіковану класифіковану об'єктну (також підготовлену) класифікацію можна дуже успішно використовувати для цієї проблеми, але я не знаю достатньо GRASS, щоб розповісти, які можливості вона має у цій галузі. Ви б отримали багатокутники, тому вам доведеться все-таки проріджувати їх або використовувати середнє чи якесь інше перетворення.

Ви отримаєте ще кращі результати, якщо у вас буде доступна майже інфрачервона смуга або композит, оскільки відбивна здатність доріг та інших безплідних земель значно відрізняється від рослинності, плюс тіні та меншою мірою навіси (над дорогами) впливають на результат менше.