私はこれに対する解決策をまとめてハッキングし、非常によく似たトピックについてブログ記事をしばらく書きました。ここで要約します。このスクリプトは、画像のセグメンテーションと分類のアプローチを使用して、4バンドのNAIP画像から川を抽出することを目的としています。
- 画像を派手な配列に変換する
- 迅速なシフトセグメンテーションを実行する(画像2)
- セグメントをラスター形式に変換する
- NDVIを計算する
- セグメントとNDVIを使用して平均ゾーン統計を実行し、NDVI値をセグメントに転送します(画像3)
- NDVI値に基づいてセグメントを分類する
- 結果を評価する(画像4)
この例では、K平均クラスタリングを使用するのではなく、4バンド(赤、緑、青、NIR)のカラー(x、y)空間でクイックシフトクラスタリングを使用して画像をセグメント化します。画像分割は、scikit-imageパッケージを使用して実行されました。scikit-imageのさまざまな画像セグメンテーションアルゴリズムの詳細については、こちらをご覧ください。便宜上、arcpy
以前はGIS作業の多くを行っていましたが、GDALへの移植はかなり簡単です。
from __future__ import print_function
import arcpy
arcpy.CheckOutExtension("Spatial")
import matplotlib.pyplot as plt
import numpy as np
from skimage import io
from skimage.segmentation import quickshift
# The input 4-band NAIP image
river = r'C:\path\to\naip_image.tif'
# Convert image to numpy array
img = io.imread(river)
# Run the quick shift segmentation
segments = quickshift(img, kernel_size=3, convert2lab=False, max_dist=6, ratio=0.5)
print("Quickshift number of segments: %d" % len(np.unique(segments)))
# View the segments via Python
plt.imshow(segments)
# Get raster metrics for coordinate info
myRaster = arcpy.sa.Raster(river)
# Lower left coordinate of block (in map units)
mx = myRaster.extent.XMin
my = myRaster.extent.YMin
sr = myRaster.spatialReference
# Note the use of arcpy to convert numpy array to raster
seg = arcpy.NumPyArrayToRaster(segments, arcpy.Point(mx, my),
myRaster.meanCellWidth,
myRaster.meanCellHeight)
outRaster = r'C:\path\to\segments.tif'
seg_temp = seg.save(outRaster)
arcpy.DefineProjection_management(outRaster, sr)
# Calculate NDVI from bands 4 and 3
b4 = arcpy.sa.Raster(r'C:\path\to\naip_image.tif\Band_4')
b3 = arcpy.sa.Raster(r'C:\path\to\naip_image.tif\Band_3')
ndvi = arcpy.sa.Float(b4-b3) / arcpy.sa.Float(b4+b3)
# Extract NDVI values based on image object boundaries
zones = arcpy.sa.ZonalStatistics(outRaster, "VALUE", ndvi, "MEAN")
zones.save(r'C:\path\to\zones.tif')
# Classify the segments based on NDVI values
binary = arcpy.sa.Con(zones < 20, 1, 0)
binary.save(r'C:\path\to\classified_image_objects.tif')