Ekstrakcja funkcji pokrycia terenu ze zdjęć satelitarnych

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:

• Wskażę ci ten samouczek . Zobacz część rastrową.
• Do wyodrębnienia pożądanych funkcji użyjesz r.mapcalc i r.reclass .
• r.to.vect pozwoli na wektoryzację danych.

Wreszcie będziesz manipulować danymi wektorowymi . v.db.select i v.class pomogą ci.