回答:
GRASS GISを使用して、放射分析/セグメンテーションアプローチに基づくテクスチャ抽出と画像分類をサポートできます。アイデアについては、Geoinformatics FCE CTU 2011で予定されている講演であるこの会議の要約を確認してください。
概要については、http://grass.osgeo.org/wiki/Image_processingおよびhttp://grass.osgeo.org/wiki/Image_classificationも参照してください。
私があなたを正しく理解していれば、あなたは教師付き分類手順を探しています。理論的背景:http : //rst.gsfc.nasa.gov/Sect1/Sect1_17.html
これは確かに草を通して可能です:http : //grass.osgeo.org/wiki/Image_classification#Supervised_classification_2
代替手段として、佐賀も見ることができます(私はそれが良いと言っているのではなく、自分でそれを知っているだけです)、これはqgisとRでもうまく再生します。このサイトでこれを示すビデオがいくつかあります: http:// www.uni-koblenz-landau.de/landau/fb7/umweltwissenschaften/landscape-ecology/Teaching/geostat (プレゼンテーションを取得するにはデータファイルをダウンロードしてください)。
すべてのgisプログラムで行うことは、1種類の土地に複数の参照ポイントまたはポリゴンを定義し、それらを残りの領域に外挿することです。土地利用分類の例を次に示します。
実際、任意のgisプログラムでトレーニングポリゴンを描画した場合、Rを使用して予測できます。グリッドにオーバーレイを作成してから、任意の予測システムを使用します(たとえば、分類ツリーが必要な場合はrpart)。この本のページ222についての詳細:http : //www.lulu.com/product/file-download/a-practical-guide-to-geostatistical-mapping/14938111
もっと多くのことを言いますが、トレーニングセットは学習エリアの代表である必要があります(おそらくRでランダムポイントを生成し、それらを分類する方がよいでしょう)。補助データセットも慎重に選択する必要があります。たとえば、テクスチャが重要なプロパティである場合は、新しいデータセットを生成することもできます。
-
領域またはフィーチャを抽出するだけで(それらを分類せずに)行う場合は、セグメンテーションアルゴリズムが必要になる可能性が高くなります。1つの例(SAGA GISで実装)は、このペーパーで説明されています:http : //mirror.transact.net.au/pub/sourceforge/s/project/sa/saga-gis/SAGA%20-%20Documentation/GGA115/gga115_03 .pdf
あなたはGRASSでそれを行うことができるでしょう。
最初にラスターデータを使用します。
最後に、ベクトルデータを操作します。v.db.selectとv.classが役立ちます。