衛星画像からの土地被覆の特徴抽出

スペクトル抽出アルゴリズムとテクスチャ抽出アルゴリズムの両方を利用する土地被覆GISレイヤーを作成するための低コストまたはオープンソースのソリューションに興味があります。過去にPCI Geomatica、ENVI、およびFeature Analyst VLSを使用しました。ただし、これらのソリューションは価格帯を少し超えていますが、ソフトウェアの推奨事項はありますか？

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。

• 私はあなたを指摘するそのチュートリアル。ラスター部分を参照してください。
• あなたは使いますr.mapcalcとr.reclassを希望特徴を抽出します。
• r.to.vectを使用すると、データをベクトル化できます。

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。