Welche Tools verwenden Sie zur Klassifizierung von Fernerkundungsdaten?

18

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?

remote-sensing classification Underdunkel
quelle
für einen dedizierten Fernerkundungsstapelwechsel: area51.stackexchange.com/proposals/59346/remote-sensing
WAF

Antworten:

13

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.

robintw
quelle
4

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

s_a
quelle
3

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.

Alles Gute.

http://www.faunalia.it/pc

Qgis-Benutzer-Mailingliste [email protected] http://lists.osgeo.org/mailman/listinfo/qgis-user

Brad Nesom
quelle
Ich weiß, das ist ein alter Beitrag. Aber trotzdem ... Die Aussage, dass die 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.
Nikos Alexandris
2

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.

julien
quelle
eine weitere mit erdas und envi = ^)
Marinheiro
Entschuldigung, was meinst du?
Juli
2

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.

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

Alexandre Neto
quelle
1

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

Mustafa Ustuner
quelle
0

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.

lynxlynxlynx
quelle
Ich bin kein Befürworter von eCognition of Feature Analyst. Ihre Aussage, FA sei "minderwertig", ist jedoch völlig unbegründet und subjektiv. Da FA ein Merkmalsextraktionsalgorithmus ist und sich eCognition auf die Bildsegmentierung konzentriert, handelt es sich um völlig unterschiedliche Modelle mit unterschiedlichen Anwendungen. Es kann sein, dass FA in Ihrer Anwendung keine Leistung erbracht hat, dies bedeutet jedoch nicht, dass es in einer anderen Analyse keine gute Leistung erbringt. Wir haben mit FA in Situationen, in denen eCog schlecht abschneiden würde, gute Ergebnisse erzielt.
Jeffrey Evans
Nicht unterstützt? Die Frage ist nach der Klassifizierung, für die FA weit weniger Knöpfe und Optionen als die andere hat oder hatte. Natürlich hätte sich in diesen fünf Jahren etwas ändern können, aber eine solche Größenordnung wäre unwahrscheinlich.
Lynxlynxlynx
0

Ich habe versucht Erdas vorzustellen und habe die Klassifizierung gemacht. Wenn die Regelsätze jedoch in der E-Erkennung korrekt angegeben werden, ist die Ausgabe besser als bei Erdas. Die Entwicklung von Regelsätzen ist in e-Cognition Developer jedoch etwas komplex.

Binoy
quelle