R hat die Fähigkeit zur Bildsegmentierung, obwohl alle Beispiele, auf die ich gestoßen bin, ein einzelnes Band für die Segmentierung verwenden ( Beispiel ). Ich bin daran interessiert, Rs Fähigkeit zur zufälligen Waldbildklassifizierung mit einem objektorientierten Segmentierungsansatz zu kombinieren.
Welche Funktionalität hat R für die multispektrale Bildsegmentierung, die für die Analyse natürlicher Ressourcen geeignet ist? Oder wie man die Ergebnisse einer einzelnen Bandsegmentierung zur weiteren Analyse verknüpft.
5
In dem von Ihnen verknüpften Beispiel verwenden sie spektrales Clustering. Das spektrale Clustering kann im Prinzip auch auf n-dimensionale Daten angewendet werden, da es einfach eine Ähnlichkeitsmatrix zerlegt, die für jeden Datentyp erstellt werden kann. Das Prinzip der spektralen Clusterbildung besteht darin, Daten in einen Raum mit niedrigeren Dimensionen einzubetten und eine Clusterbildung in diesem Raum durchzuführen (z. B. mit km-Werten). Ich bin mit R nicht sehr vertraut, aber ich bin mir sicher, dass es nur wenige Codezeilen dauern würde (zumindest in Matlab dauert es nur wenige Zeilen). Wenn nicht, gibt es sicher kostenlose Implementierungen anderer Ansätze, wie z. B. die Segmentierung der mittleren Verschiebung.
—
Pixelmitch
Wenn es nicht R sein muss (nur etwas Open Source), können Sie RSGISLib für die Segmentierung verwenden und Random Forests mit scikit-learn anwenden. Es gibt ein Beispiel, das ich hier geschrieben habe. spectraldifferences.wordpress.com/2014/09/07/… . Sie können RSGISLib auch zum Segmentieren und Zuordnen von Objekten verwenden und dann als Textdatei für die Klassifizierung in R importieren.
—
Danclewley
Hast du eine Antwort gefunden?
—
George Nostradamos
@GeorgeNostradamos Nicht für R. Python hat jedoch eine mittlere Schichtsegmentierung, die mehrere Bänder verwendet. Ich glaube, das steht im Scikit-Lernpaket.
—
Aaron
@ Aaron Ich habe bereits Erfahrung mit Python und GRASS, aber ich wollte sehen, wie weit ich R schieben kann. Wie auch immer, ich werde sehen, was ich finden kann, danke
—
George Nostradamos