タグ付けされた質問 「classification」

ロックされています。この質問とその回答はロックされています。なぜなら、質問はトピックから外れていますが、歴史的に重要だからです。現在、新しい回答やインタラクションを受け入れていません。 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か？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？

18 remote-sensing  classification 

閉じた。この質問はより集中する必要があります。現在、回答を受け付けていません。 この質問を改善したいですか？この投稿を編集するだけで1つの問題に焦点を当てるように質問を更新します。 閉じた3年前。 誰もがeCognitionの優れたフリーウェアの代替手段を知っていますか？ 画像のセグメンテーションと分類を行う必要があります。エコノイショントライアルを試してみましたが、本当に良かったです。私はSPRINGで仕事をしていますが、多くの制限があります... qgisプラグインはありますか？

16 software-recommendations  classification  free-software 

リモートセンシングドメインにおけるピクセルベースとオブジェクトベースの分類の違いを明確に理解するのに苦労しており、このコミュニティの誰かが洞察を提供できることを期待しています。 私がこれまでに得た情報に基づいて、私の現在の理解はこれらの線に沿っています： ピクセルベースの分類： 分類はピクセルごとに行われ、その個々のピクセルで利用可能なスペクトル情報のみを使用します（つまり、局所性内のピクセルの値は無視されます）。この意味で、各ピクセルは分類アルゴリズムのトレーニング例であり、このトレーニング例はn次元ベクトルの形式になります。nは画像データのスペクトルバンドの数です。したがって、訓練された分類アルゴリズムは、画像内の個々のピクセルごとにクラス予測を出力します。 オブジェクトベースの分類： 分類は、各ピクセルが互いに関連しているときの各ピクセルの空間特性を考慮して、ローカライズされたピクセルのグループで行われます。この意味で、分類アルゴリズムのトレーニング例はピクセルのグループで構成され、トレーニングされた分類アルゴリズムはそれに応じてグループベースでピクセルのクラス予測を出力します。大まかな例では、画像を同じサイズのn個のセグメントに分割し、各セグメントにクラスを指定します（つまり、オブジェクトを含む/オブジェクトを含まない）。 この考えはこれらの用語の意味に関して正確ですか、それとも私が見逃したものがありますか？

14 remote-sensing  classification  machine-learning 

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？

14 open-source-gis  remote-sensing  classification  feature-extraction  land-cover 

分類する必要がある植生の航空写真のセットがあります。手動の解釈を使用する代わりに、QGIS ProcessingのOrfeo Toolboxに基づくオブジェクトベースの分類を使用してみます。 ただし、QGISでそれを行う方法を説明するチュートリアルは見つかりません。Orfeoガイドでは、手順は次のとおりです。 画像のセグメンテーション（その全体または一部のみ）; イメージからLabelObjectMap（一種のstd :: map）変換。 最終的な再ラベル付け。 セグメンテーション前の画像を使用した領域の属性計算： オブジェクトのフィルタリング LabelObjectMapから画像への変換。 しかし、どのジオアルゴリズムを使用するかについて、特定のステップバイステップを見つけることができません。私はLSMC（大規模平均シフト分類）ワークフローに従い、セグメンテーション（平均シフト）も実行しようとしました。LSMCの結果は非常に良好でしたが、オブジェクトにラベルを付けて（またはトレーニングオブジェクトを作成して）分類するために次に何をすべきかわかりません。 TrainImageClassifier（SVM）、TrainORGLayerClassifier、ORGLayerClassifierを試しましたが、出力はありませんでした。チュートリアルを見つけようとしましたが、見つかりませんでした。ワークフローについて完全に混乱しています。

13 qgis  classification  orfeo-toolbox 

リモートセンシング画像を処理し、画像から個々の木の冠領域を抽出する方法を探しています。 可視波長領域画像と、そのエリアのLIDARデータの両方があります。問題の場所は砂漠地帯であるため、樹木被覆は森林地帯ほど密ではありません。航空写真の解像度は0.5フィートx 0.5フィートです。LIDARの解像度は約1 x 1フィートです。視覚データとライダーの両方は、アリゾナ州ピマ郡のデータセットから取得されます。私が持っている航空写真の種類のサンプルは、この投稿の最後にあります。 この質問は、ArcMapでの単一ツリーの検出ですか？同じ問題のように見えますが、そこには良い答えがないようです。 ArcmapのIso Cluster分類を使用して、エリア内の植生タイプの合理的な分類（および全体の被覆率に関する情報）を取得できますが、個々のツリーに関する情報はほとんど提供されません。必要なものに最も近いのは、アイソクラスター分類の出力をArcmapのRaster to Polygon機能に渡した結果です。問題は、この方法が木の近くで単一のポリゴンにマージされることです。 編集：私はおそらく私が持っているものについて、さらに詳細を含めるべきでした。私が持っている生データセットは次のとおりです。 完全なlasデータと、それから生成されたTIFFラスター。 視覚画像（表示されているサンプル画像に似ていますが、はるかに広い領域をカバーしています） エリア内の木のサブセットの手動直接測定。 これらから私は生成しました： 地上/植生の分類。 DEM / DSMラスター。

12 remote-sensing  lidar  classification  land-cover  image-segmentation 

http://www.globalforestwatch.org/で入手可能な、Science、2013年に発行されたhttp://www.globalforestwatch.org/で、ハンセン、MC、ポタポフ、P。V、ムーア、Rとして ハンセンの驚くべき分類を発見しました。。、Hancher、M.、Turubanova、SA、およびTyukavina、A。（2013）。21世紀の森林被覆変化の高解像度グローバルマップ。サイエンス、342（6160）（11月15日）、850–854。doi：DOI：10.1126 / science.1244693。 しかし、私はこの記事/ウェブサイトで、どのような分類をハンセンが使用したので、そのようなマップを再現する正確な方法論を見つけることができませんか？ 私が見つけることができる唯一のことは、教師あり学習アルゴリズムが木のカバーを識別するために使用されたことですが、それはかなり広い用語です。 可能であれば、同じ方法論を使用したいと思います（ただし、90年目に適用します）ので、選択した領域でのハンセンの分類の前に。

10 raster  remote-sensing  classification  landsat  forest-ecology 

2013年のランドサット8衛星画像を使用して、モンゴル北部の一部のエリアを分類しようとしています。記録は冬に行われたため、取得時の太陽は非常に低くなっています。したがって、山からの非常に長く暗い影があります。 この質問で説明されているように、DEMを使用してこの影を識別することができます：Landsat画像から影のような地形効果を削除する方法 クリップされたシャドウ領域の監視付き分類を実行するにはどうすればよいですか？この領域を強化することは可能ですか？いくつかのバンド比を試してみましたが、どちらが自分の仕事に最適かわかりません。 この画像では、暗い影にいくつかの植生領域があることがわかりますが、それらを分類することはできません。

10 dem  remote-sensing  classification  landsat-8  shadow 

UAVを使用して航空写真測量から作成されたRGB値を含むLAS形式のデータがあります。点群から地表DEMを抽出するソリューションを見つけようとしています。 SAGA、Fusion、MCC-LIDARを試してみましたが、LASファイルを分類する必要があるようです（当然分類されていません）。プロセスの簡単な説明で誰かが私を正しい方向に向けることができますか？ 一般に、一度に約100ミルポイントを処理する必要があります（必要に応じてタイル化できます）。

10 dem  lidar  classification  las  unmanned-aerial-vehicle 

私は今日Googleマップにいて、川のある米国のボルチモアの近くに、巨大な茶色のスポットがあることに気づきました。これはすべての無駄によるものですか？もしそうなら、これは海にずっと続きますか？

10 google-maps  imagery  classification 

衛星画像（5バンド）の時系列があり、Rのkmeansでそれらを分類したいと思います。私のスクリプトは正常に動作しています（画像をループして、画像をdata.frameに変換し、クラスター化して、元の画像に戻します。ラスター）： for (n in files) { image <- stack(n) image <- clip(image,subset) ###classify raster image.df <- as.data.frame(image) cluster.image <- kmeans(na.omit(image.df), 10, iter.max = 10, nstart = 25) ### kmeans, with 10 clusters #add back NAs using the NAs in band 1 (identic NA positions in all bands), see http://stackoverflow.com/questions/12006366/add-back-nas-after-removing-them/12006502#12006502 image.df.factor …

10 r  classification 

画像を32ビットから8ビットに変換したい。私はotbを使用してテクスチャを計算し、ラスター出力は8ビットです。この情報を32ビットのマルチスペクトルイメージのレイヤースタックとして使用します。 QGISで可能であれば、8ビットから32ビットに変換する方法は？

10 qgis  raster  convert  classification 

私はリモートセンシングにかなり慣れており、単一の日付のLandsatシーンから針葉樹林の被覆を識別/分類しようとしています。私の予備的なウェブ調査によると、私はこれらの可能性を持っています： シーンをNDVI値に変換します。NDVIヒストグラムのモーダル値を使用して、シーンのピクセルを森林と非森林の領域に分離できます バンド2、3および5（B2）のモーダル値を使用して、「フォレストピーク」を識別し、クラスシーンをフォレスト/非フォレストに識別します（Huang、2008：暗いオブジェクトの概念とサポートベクターマシンを使用して森林被覆変化分析を自動化する） 。その他のシーンの特性（岩、川）は、タッセルドキャップの輝度値を使用して削除する必要があります 山岳地帯の森林被覆を分類する別の簡単なアプローチを知っていますか？私は本当に最尤分類を適用したくありません。たぶん、教師なし分類を使用する方が良いでしょうか？ ERDAS、ArcGIS 10.2およびRを使用しています

8 arcgis-desktop  remote-sensing  classification  erdas-imagine  landsat 

リモートセンシングのスペクトル署名の概念と機能の間に違いや関係があるかどうかを知りたいのですが。

8 features  remote-sensing  classification 

特定の地域の土地被覆変化を比較するために、GRASSを使用して、LANDSAT画像の時系列（30年間の月次時間解像度）で教師なし分類を実行しています。 i.cluster時系列のマップごとに実行すると、クラスに使用されるシグネチャがマップごとにわずかに異なり、比較の有効性に影響する可能性があることを心配しています。これは事実でしょうか？もしそうなら、時系列の各マップで使用されるクラスシグネチャが全体で同一であることを確認する方法はありますか？ 私の最初のアイデアはi.cluster、すべてのクラスが適切に表現されている特定のマップで実行し、これから生成されたsigfileをi.maxlikすべてのマップの入力sigfileとして使用することでした。

8 grass  remote-sensing  classification  landsat