タグ付けされた質問 「remote-sensing」

kを使用して土地被覆のRGB画像をセグメント化したいのですが、画像の異なる領域が異なる色でマークされ、可能であれば異なる領域を区切る境界が作成されるような方法でクラスタリングを行います。私は次のようなものが欲しい： これから ： K平均クラスタリングによってこれを達成することは可能ですか？私はインターネット全体を検索しており、多くのチュートリアルではkでクラスタリングを行っていますが、画像をグレースケールに変換した後でのみです。RGB画像のみでやりたい。私がそれを始めるのに役立つソースはありますか？何か提案してください。

8 python  remote-sensing  image  digital-image-processing  image-segmentation 

閉まっている。この質問はトピックから外れています。現在、回答を受け付けていません。 この質問を改善してみませんか？ 地理情報システムスタック交換のトピックになるように質問を更新します。 5年前休業。 ネパールの地震の影響と被害の評価に役立つリモートセンシングデータを提供できる専門家には、援助が的を絞ったものであることを確認するために本当にあなたの助けが必要です。 これまでの既存データはこちら たとえばセンチネル1のSARデータ、建物の損傷、人口密度などを補足できる場合、これは非常に役立ちます。 関連するデータセットを、人道主義的なデータ交換やその他の既知のネットワークに、GIS以外の専門家がアクセスおよび理解できる適切にラベル付けされた形式で追加してください。 不確実性を説明し、明確に文書化してください。

8 remote-sensing  emergency-services  sentinel-1  natural-disaster  nepal 

ラスターイメージから孤立したピクセル（または9未満のピクセルの塊）を削除したいと思います。 library(raster) # create some raster data r <- raster(ncols=12, nrows=12) set.seed(0) r[] <- round(runif(ncell(r))*0.7 ) rc <- clump(r) ピクセルの塊を削除する前<9 ピクセルの集まりを削除した後<9： Erdasには、これを行うSieveツールがありますが、Rでそれを置き換える方法は？

8 raster  r  remote-sensing  clustering  erdas-imagine 

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 

LiDARデータとその積（DEM、強度画像、勾配）から川の境界（堤防）を自動的に抽出する方法はありますか？デジタル化には非常に時間がかかります。

8 dem  remote-sensing  lidar  feature-extraction  breaklines 

テククランチ から。 Google Glassに関する報道はたくさんありますが、それを使用するGISアプリの詳細はまだ知りません。 どのGISアプリケーションがGoogle Glassを使用していますか？

8 mobile  remote-sensing  google 

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 

現在、レーザースキャンを含むプロジェクトを開始しています。スキャンされる領域は約5000km²です。最初にデータを使用して太陽ポテンシャルアプリケーションを作成しますが、DGM、地表モデリング、洪水リスク評価、さらには3D都市モデリングにも生データを使用する必要があります。 最大10ポイントp /m²の精度でデータを注文できました。しかし、通常、太陽電位分析では、2ポイント以下のp /m²が必要です。より正確なデータセットを使用することは素晴らしいことですが、ハードウェアがこれらの量のデータを処理できないことも心配です。 私は最近、5000km²のDGMを作成しました。12分間に1ポイントのポイント集中があり、これにはかなりの時間がかかりました。 同様のデータセットを使用した経験はありますか？これらの量のデータを処理できるハードウェアの種類は何ですか？12コアと8GB RAMを備えた新しいWindows 7マシンを持っていますが、これで十分ですか？

8 remote-sensing  lidar