Welches Tool bevorzugen Sie zur Klassifizierung von Fernerkundungsdaten, z. B. zur Klassifizierung der Landnutzung, und warum ?
Welche anderen Tools haben Sie ausprobiert und warum haben Sie sich dagegen entschieden?
Antworten:
Ich benutze eine Reihe von Werkzeugen, abhängig von der Art der Klassifizierung, die ich durchführen möchte.
Für die allgemeine unbeaufsichtigte / überwachte Klassifizierung verwende ich ENVI , das viele Optionen für Klassifizierungsmethoden bietet (einschließlich einiger fortgeschrittener Methoden unter Verwendung neuronaler Netze und Support-Vektor-Maschinen). Es ist sehr einfach, ENVI mit der IDL-Programmiersprache zu erweitern, und ich habe festgestellt, dass dies häufig die Analyse nach der Klassifizierung vereinfacht (da Sie bei Bedarf Ihren eigenen Code schreiben können).
Wenn ich eine objektbasierte Klassifizierung durchführen möchte (bei der das Bild in Objekte segmentiert und diese Objekte dann klassifiziert werden, besteht der Vorteil darin, dass Sie aggregierte Eigenschaften der Objekte wie die Mittelwerte für die Bänder, die Form und die Textur verwenden können), verwende ich eCognition . obwohl ich auch gehört habe, dass ENVI EX gut ist, wenn Sie nicht die Kraft von eCognition benötigen.
Wenn Sie nach freier Software suchen, bietet Opticks eine Reihe von Optionen für die Klassifizierung, obwohl ich mich mit Opticks noch nie sehr gut verstanden habe. Außerdem ist Spectral Python ein sehr nützliches Tool, mit dem Sie Bilder in NumPy-Arrays in Python laden und dann verarbeiten können. Es enthält ein Modul mit verschiedenen Klassifizierungsmethoden und ist sehr einfach zu erweitern.
Eine Open-Source-GIS-Lösung finden Sie hier: http://grass.osgeo.org/wiki/Image_classification. Sie enthält auch ein kleines Tutorial.
Meine Lieblingsentdeckung in diesem Jahr war die Orfeo Toolbox und das dazugehörige Programm: Monteverdi.
http://orfeo-toolbox.org/otb/monteverdi.html
Viele Optionen für die Fernerkundung und eine sehr hilfreiche Dokumentation. Oh, habe ich schon erwähnt, es ist kostenlos und os
Viel Spaß, sa
Ich habe diesen Beitrag gerade im QGIS-Forum gesehen und dachte, ich würde ihn hier platzieren.
Hallo zusammen.
Entschuldigung für das Crossposting. Wie einige von Ihnen wissen, ermöglicht die r.li-Reihe von GRASS-Befehlen Landschaftsanalysen . Die Oberfläche ist ziemlich komplex und befindet sich immer noch in TclTk, weder in wxpython noch in qgis. Daher ist es jetzt schwieriger zu bedienen als es sein sollte, und es wird unbrauchbar, wenn die TclTk-Unterstützung eingestellt wird. Die mögliche Lösung (danke Radim) ist, das Interface als QGIS-Python-Plugin umzuschreiben. Es sollte keine große Arbeit sein (wir schätzen vorläufig 2-3 Wochen).
Die Frage ist: Gibt es jemanden, der bereit ist, entweder seine / ihre Zeit oder etwas Geld zu investieren, um ein solches Plugin zu schreiben?
Bei Bedarf helfen wir (Faunalia) gerne weiter.
Qgis-Benutzer-Mailingliste Qgis-user@lists.osgeo.org http://lists.osgeo.org/mailman/listinfo/qgis-user
r.li.*Suite unbrauchbar wird, wenn die TclTk-Unterstützung eingestellt wird, ist nicht ganz richtig! Man kann und kann die Tools über die neue - eigentlich aktuelle? - (wx) GUI sowie via GRASS 'Shell. Ja, sowohl in der aktuellen Version (6.4) als auch im kommenden GRASS-GIS 7.
Ich habe Erdas Imagine und die ENVI- Software ausprobiert und kann nicht sagen, welche die beste ist. Beide können Ihre Bilder mit überwachten und unbeaufsichtigten Methoden klassifizieren.
Schauen Sie sich auch die SPRING-Software des brasilianischen Nationalen Instituts für Weltraumforschung (INPE) an. Ich bin nicht sicher, ob es Open Source ist, aber es ist definitiv kostenlos.
Ich habe Erdas Imagine, ENVI ITT, Idrisi Selva und PCI Geomatica verwendet. ENVI verfügt über IDL-Erweiterungen, mit denen Sie fortschrittliche Klassifizierungsalgorithmen wie SVM, ANN, DT usw. steuern können. Idrisi Selva verfügt über recht gute Klassifizierungsalgorithmen für überwachte und unbeaufsichtigte Netzwerke, insbesondere für neuronale Netzwerke (SOM, MLP, RBF, FuzzyART) .I Ich habe auch ein wenig Erfahrung mit Monteverdi, Orfeo Toolbox. Es ist eine sehr benutzerfreundliche Software. MultiSpec verfügt auch über Klassifizierungsalgorithmen für Bilder
Ich habe noch keine Präferenz (habe keine FLOSS-Alternativen ausprobiert), aber ich habe Feature Analyst getestet, ein Plugin für Arc *. Es ist der E-Kognition unterlegen, weist jedoch eine niedrige Eintrittsbarriere auf. Es ist einfach zu bedienen und bietet eine schöne Oberfläche für die überwachte Klassifizierung. Sie können verschiedene "Bürsten" als Haupterkennungseinheit verwenden, aber das wirkt sich nicht so stark auf das Ergebnis aus, wie man es erwarten würde. Es hat auch einen Batch-Modus, aber in meinem Fall war es nutzlos, da die Raster eine individuelle Anpassung der Trainingsmuster benötigten, um gute Ergebnisse zu erzielen.