Alat apa yang Anda gunakan untuk Klasifikasi Data Penginderaan Jauh?

18

Yang alat yang Anda memilih untuk menggunakan untuk klasifikasi data penginderaan jauh, misalnya penggunaan lahan mengklasifikasikan, dan mengapa ?

Alat lain apa yang sudah Anda coba, dan mengapa Anda memutuskan untuk tidak melakukannya?

remote-sensing classification underdark
sumber
untuk stackechange penginderaan jauh khusus: area51.stackexchange.com/proposals/59346/remote-sensing
WAF

Jawaban:

13

Saya menggunakan sejumlah alat tergantung pada jenis klasifikasi yang saya coba lakukan.

Untuk klasifikasi tanpa pengawasan / diawasi umum saya menggunakan ENVI , yang memiliki banyak pilihan untuk metode klasifikasi (termasuk beberapa metode yang lebih maju menggunakan jaringan saraf dan mesin vektor dukungan). Sangat mudah untuk memperluas ENVI menggunakan bahasa pemrograman IDL, dan saya telah menemukan bahwa ini sering menyederhanakan analisis klasifikasi pasca (karena Anda dapat menulis kode Anda sendiri untuk melakukan ini jika diperlukan).

Jika saya ingin melakukan klasifikasi berbasis objek (yang melibatkan pengelompokan gambar ke dalam objek dan kemudian mengklasifikasikan objek-objek ini, manfaatnya adalah Anda dapat menggunakan properti agregat dari objek seperti alat band, bentuk dan tekstur) Saya menggunakan eCognition , walaupun saya juga pernah mendengar bahwa ENVI EX bagus jika Anda tidak membutuhkan kekuatan eCognition.

Jika Anda mencari perangkat lunak gratis maka Opticks memiliki sejumlah opsi untuk klasifikasi, meskipun saya tidak pernah bergaul dengan Opticks. Juga, Spectral Python adalah alat yang sangat bagus yang memungkinkan Anda untuk memuat gambar ke array NumPy dengan Python dan kemudian memprosesnya. Ini termasuk modul yang berisi berbagai metode klasifikasi, dan sangat mudah diperluas.

Robintw
sumber
4

Penemuan favorit saya tahun ini adalah Orfeo Toolbox dan program terkait: Monteverdi.

http://orfeo-toolbox.org/otb/monteverdi.html

Banyak opsi untuk pekerjaan Penginderaan Jauh dan dokumentasi yang sangat membantu. Oh, apakah saya menyebutkan itu gratis dan os

Selamat menikmati, sa

s_a
sumber
3

Saya baru saja melihat posting ini di forum QGIS dan berpikir saya akan ditempatkan di sini.

Halo semua.

Maaf untuk crossposting. Seperti yang Anda ketahui, paket perintah GRASS r.li memungkinkan analisis lanskap . Antarmukanya agak rumit, dan masih dalam TclTk, tidak porting ke wxpython atau qgis. Dengan demikian, sekarang lebih sulit untuk digunakan daripada seharusnya, dan itu akan menjadi tidak dapat digunakan ketika dukungan TclTk akan dijatuhkan. Solusi yang mungkin (terima kasih Radim) adalah menulis ulang antarmuka sebagai plugin python qgis. Seharusnya bukan pekerjaan besar (sementara kami perkirakan 2-3 minggu).

Pertanyaannya adalah: adakah orang yang mau menginvestasikan waktunya, atau uang, untuk menulis plugin semacam itu?

Kami (Faunalia) akan dengan senang hati membantu jika perlu.

Semua yang terbaik.

http://www.faunalia.it/pc

Qgis-pengguna mailing list [email protected] http://lists.osgeo.org/mailman/listinfo/qgis-user

Brad Nesom
sumber
Saya tahu, ini adalah pos lama. Tapi bagaimanapun ... Pernyataan bahwa r.li.*suite akan menjadi tidak dapat digunakan ketika dukungan TclTk akan dibatalkan tidak sepenuhnya benar! Seseorang dapat, dan akan dapat, menggunakan alat melalui yang baru - sebenarnya saat ini? - (wx) GUI dan juga melalui shell GRASS. Ya, dalam versi saat ini (6.4) dan juga pada GRASS-GIS 7. yang akan datang
Nikos Alexandris
2

Saya mencoba software Erdas Imagine dan ENVI , dan merasa tidak bisa mengatakan mana yang terbaik. Keduanya dapat mengklasifikasikan citra Anda menggunakan metode yang diawasi dan tidak terawasi.

Julien
sumber
satu lagi dengan erdas dan envi = ^)
Marinheiro
maaf apa maksudmu
julien
2

Lihat juga dalam perangkat lunak SPRING, yang dibuat oleh National Institute for Space Research (INPE) Brasil. Tidak yakin apakah itu open source tetapi jelas gratis.

http://www.dpi.inpe.br/spring/english/index.html

Alexandre Neto
sumber
1

Saya telah menggunakan Erdas Imagine, ENVI ITT, Idrisi Selva, PCI Geomatica. ENVI memiliki ekstensi IDL yang memungkinkan Anda untuk menggerakkan algoritme klasifikasi canggih seperti SVM, ANN, DT, dll. Idrisi Selva memiliki algoritma klasifikasi yang cukup baik pada yang diawasi maupun yang tidak diawasi, khususnya pada jaringan saraf (SOM, MLP, RBF, FuzzyART) .I punya juga sedikit pengalaman di Monteverdi, Orfeo Toolbox. Ini adalah perangkat lunak yang sangat user friendly. MultiSpec juga memiliki algoritma klasifikasi untuk gambar

Mustafa Ustuner
sumber
0

Saya belum punya preferensi (belum mencoba alternatif FLOSS), tetapi saya sudah menguji Feature Analyst, sebuah plugin untuk Arc *. Meskipun lebih rendah dari e-Cognition, ia memiliki hambatan masuk yang rendah. Sangat mudah digunakan dan menawarkan antarmuka yang bagus untuk klasifikasi yang diawasi. Anda dapat menggunakan berbagai "sikat" sebagai unit deteksi utama, tetapi itu tidak mempengaruhi hasil sebanyak yang diharapkan. Ini juga memiliki mode batch, tetapi dalam kasus saya itu tidak berguna, karena raster membutuhkan sampel pelatihan individu tweaking untuk memberikan hasil yang baik.

lynxlynxlynx
sumber
Saya bukan penganjur eCognition of Feature Analyst. Namun, pernyataan FA Anda "inferior" sama sekali tidak didukung dan subyektif. Mengingat bahwa FA adalah algoritma ekstraksi fitur dan eCognition difokuskan pada segmentasi gambar, mereka adalah model yang sangat berbeda dengan aplikasi yang berbeda. Mungkin FA tidak tampil dalam aplikasi yang Anda berikan, tetapi ini tidak berarti bahwa FA tidak akan bekerja dengan baik dalam analisis yang berbeda. Kami memiliki kinerja yang baik dengan FA dalam situasi di mana eCog akan berkinerja buruk.
Jeffrey Evans
Tidak didukung? Pertanyaannya adalah tentang klasifikasi, yang FA memiliki atau memiliki tombol dan opsi yang jauh lebih sedikit daripada yang lain. Jelas hal-hal bisa saja berubah dalam lima tahun ini, tetapi besarnya tidak mungkin terjadi.
lynxlynxlynx
0

Saya mencoba membayangkan Erdas dan telah melakukan klasifikasi. Tetapi jika aturan diberikan dengan benar dalam e-kognisi menghasilkan output yang lebih baik daripada erdas. Tetapi pengembangan aturan sedikit rumit dalam Pengembang e-Cognition.

Binoy
sumber