リモートセンシングデータの分類にはどのツールを使用しますか?


18

リモートセンシングデータの分類、たとえば土地利用の分類にどのツールを使用します?その理由は何ですか?

他にどのツールを試しましたか?なぜそれらに反対することに決めましたか?


専用のリモートセンシングstackechangeの場合:area51.stackexchange.com/proposals/59346/remote-sensing
WAF

回答:


13

実行しようとしている分類のタイプに応じて、いくつかのツールを使用します。

一般的な教師なし/教師付き分類には、分類方法に多くのオプションがあるENVIを使用します(ニューラルネットワークとサポートベクターマシンを使用したより高度な方法を含む)。IDLプログラミング言語を使用してENVIを拡張するのは非常に簡単です。これにより、分類後の分析が簡単になることがよくあります(必要に応じて独自のコードを記述できるため)。

オブジェクトベースの分類を実行する場合(画像をオブジェクトにセグメント化してからこれらのオブジェクトを分類することを含み、バンドの平均、形状、テクスチャなどのオブジェクトの集計プロパティを使用できるという利点があります)、eCognitionを使用しますただし、eCognitionのパワーが必要ない場合はENVI EXが良いと聞いています。

あなたがフリーソフトウェアを探しているなら、Opticksには分類のための多くのオプションがありますが、Opticksとはあまりうまくいきませんでした。また、Spectral Pythonは、PythonでNumPy配列に画像をロードして処理できる非常に優れたツールです。さまざまな分類方法を含むモジュールが含まれており、非常に簡単に拡張できます。



4

今年の私のお気に入りの発見は、Orfeo Toolboxと関連プログラム:Monteverdiです。

http://orfeo-toolbox.org/otb/monteverdi.html

リモートセンシングの作業のための多くのオプションと非常に役立つドキュメント。ああ、私はそれが無料でOSであることを言及しました

楽しみにして


3

QGISフォーラムでこの投稿を見たばかりで、ここに配置すると思いました。

こんにちは、みんな。

クロスポストでごめんなさい。ご存じのとおり、GRASSコマンドのr.liスイートでは、ランドスケープ分析が可能です。そのインターフェースはかなり複雑であり、まだTclTkにあり、wxpythonまたはqgisに移植されていません。そのため、本来よりも使用するのが難しくなり、TclTkサポートが廃止されると使用できなくなります。考えられる解決策(Radimに感謝)は、インターフェースをqgis pythonプラグインとして書き換えることです。大した作業ではありません(暫定的に2〜3週間と推定されます)。

問題は、そのようなプラグインを作成するために時間やお金を投資したいと思う人はいますか?

私たち(ファウナリア)は、必要に応じて喜んでお手伝いします。

ではごきげんよう。

http://www.faunalia.it/pc


Qgis-userメーリングリストQgis-user@lists.osgeo.org http://lists.osgeo.org/mailman/listinfo/qgis-user


これは古い投稿です。しかし、とにかく... TclTkサポートが削除されるとr.li.*スイートが使用できなくなるという声明は、まったく真実ではありません!新しい、実際には最新のツールを使用して、ツールを使用できます。-(wx)GUIおよびGRASSのシェル経由。はい、現在のバージョン(6.4)の両方でだけでなく、今後のGRASS-GIS 7.中
ニコスAlexandris



1

Erdas Imagine、ENVI ITT、Idrisi Selva、PCI Geomaticaを使用しました。ENVIには、SVM、ANN、DTなどの高度な分類アルゴリズムを駆動するIDL拡張機能があります。IdrisiSelvaは、特にニューラルネットワーク(SOM、MLP、RBF、FuzzyART)で、教師ありおよび教師なしの両方で非常に優れた分類アルゴリズムを備えています。また、Monteverdi、Orfeo Toolboxについても少し経験があります。非常にユーザーフレンドリーなソフトウェアです。MultiSpecには、画像の分類アルゴリズムもあります


0

まだ好みはありません(FLOSSの代替品は試していません)が、Arc *のプラグインであるFeature Analystをテストしました。e-Cognitionに劣りますが、参入障壁は低いです。使い方は簡単で、教師付き分類に適したインターフェイスを提供します。さまざまな「ブラシ」をメインの検出ユニットとして使用できますが、それは期待するほど結果に影響しません。バッチモードもありますが、私の場合は、ラスターが個々のトレーニングサンプルを調整して良好な結果を得る必要があるため、役に立ちませんでした。


私はフィーチャーアナリストのeCognitionの擁護者ではありません。ただし、FAが「劣っている」というあなたの声明は完全に支持されておらず、主観的です。FAは特徴抽出アルゴリズムであり、eCognitionは画像セグメンテーションに焦点を当てているため、FAはアプリケーションが異なる完全に異なるモデルです。FAが特定のアプリケーションで機能しなかった可能性がありますが、これは別の分析でうまく機能しなかったという意味ではありません。eCogのパフォーマンスが低い状況で、FAのパフォーマンスは良好でした。
ジェフリーエヴァンス14年

サポートされていませんか?問題は分類に関するもので、FAには他のものよりもはるかに少ないノブとオプションがあります。明らかに、この5年間で物事は変化した可能性がありますが、そのような規模はありそうもないでしょう。
lynxlynxlynx 14年

0

私はエルダスを想像してみて、分類をしました。ただし、ルールセットが電子認識で正しく指定されている場合、エルダスよりも優れた出力が生成されます。しかし、e-Cognition Developerでは、ルールセットの開発は少し複雑です。

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.