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.
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