आप रिमोट सेंसिंग डेटा के वर्गीकरण के लिए किस उपकरण का उपयोग करना पसंद करते हैं, जैसे भूमि उपयोग को वर्गीकृत करना और क्यों ?
आपने कौन से अन्य उपकरण आज़माए हैं, और आपने उनके खिलाफ फैसला क्यों किया?
जवाबों:
मैं प्रदर्शन करने की कोशिश कर रहा हूँ वर्गीकरण के प्रकार के आधार पर कई उपकरणों का उपयोग करता हूं।
सामान्य असुरक्षित / पर्यवेक्षित वर्गीकरण के लिए मैं ENVI का उपयोग करता हूं , जिसमें वर्गीकरण विधियों के लिए कई विकल्प हैं (जिसमें तंत्रिका नेटवर्क का उपयोग करने वाले कुछ और उन्नत तरीके शामिल हैं और वेक्टर मशीनों का समर्थन करते हैं)। आईडीएल प्रोग्रामिंग भाषा का उपयोग करके ईएनवीआई का विस्तार करना बहुत आसान है, और मैंने पाया है कि यह अक्सर पोस्ट-क्लासिफिकेशन विश्लेषण को सरल करता है (यदि आप जरूरत पड़ने पर ऐसा करने के लिए अपना खुद का कोड लिख सकते हैं)।
यदि मैं ऑब्जेक्ट-आधारित वर्गीकरण करना चाहता हूं (जिसमें वस्तुओं में छवि को विभाजित करना और फिर इन वस्तुओं को वर्गीकृत करना शामिल है, तो लाभ यह है कि आप वस्तुओं के समग्र गुणों का उपयोग कर सकते हैं जैसे कि बैंड, आकार और बनावट) मैं पहचान का उपयोग करता हूं , हालाँकि मैंने यह भी सुना है कि ENVI EX अच्छा है अगर आपको ई-पहचान की शक्ति की आवश्यकता नहीं है।
यदि आप मुफ्त सॉफ्टवेयर की तलाश कर रहे हैं, तो ऑप्टिक्स के पास वर्गीकरण के लिए कई विकल्प हैं, हालांकि मैं ऑप्टिक्स के साथ बहुत अच्छी तरह से कभी नहीं मिला। इसके अलावा, स्पेक्ट्रल पायथन एक बहुत अच्छा उपकरण है जो आपको पायथन में न्यूमरी सरणियों में छवियों को लोड करने और फिर उन्हें संसाधित करने की अनुमति देता है। इसमें विभिन्न वर्गीकरण विधियों वाला एक मॉड्यूल शामिल है, और इसका विस्तार करना बहुत आसान है।
एक खुले स्रोत जीआईएस समाधान के लिए, यहां देखें: http://grass.osgeo.org/wiki/Image_classification इसमें एक छोटा ट्यूटोरियल भी शामिल है।
इस वर्ष मेरी पसंदीदा खोज ऑर्फियो टूलबॉक्स और संबंधित कार्यक्रम: मोंटेवर्डी थी।
http://orfeo-toolbox.org/otb/monteverdi.html
रिमोट सेंसिंग कार्य और बहुत उपयोगी दस्तावेज के लिए बहुत सारे विकल्प। ओह, क्या मैंने उल्लेख किया है कि यह मुफ़्त और ओएस है
आनंद लें, सा
मैंने अभी इस पोस्ट को QGIS फोरम पर देखा और सोचा कि मैं यहां जगह बनाऊंगा।
नमस्ते।
क्रॉसपोस्टिंग के लिए क्षमा करें। जैसा कि आप में से कुछ जानते हैं, GRASS कमांडों का r.li सुइट परिदृश्य विश्लेषण की अनुमति देता है । इसका इंटरफ़ेस बल्कि जटिल है, और अभी भी TclTk में है, या तो wxpython या qgis में पोर्ट नहीं किया गया है। इस प्रकार, अब इसे उपयोग करने की तुलना में अधिक कठिन होना चाहिए, और यह तब अनुपयोगी हो जाएगा जब TclTk समर्थन को गिरा दिया जाएगा। संभव समाधान (धन्यवाद रेडिम) एक qgis अजगर प्लगइन के रूप में इंटरफ़ेस को फिर से लिखना है। यह एक बड़ा काम नहीं होना चाहिए (हम अनंतिम रूप से 2-3 सप्ताह का अनुमान लगाते हैं)।
सवाल यह है: क्या कोई ऐसा है जो अपने प्लगइन को लिखने के लिए अपना समय या कुछ पैसा निवेश करने को तैयार है?
यदि आवश्यक हो तो हम (फौनालिया) मदद करने में प्रसन्न होंगे।
Qgis- उपयोगकर्ता मेलिंग सूची Qgis-user@lists.osgeo.org http://lists.osgeo.org/mailman/listinfo/qgis-user
r.li.*सूट अनुपयोगी हो जाएगा जब TclTk समर्थन को गिरा दिया जाएगा , यह बिल्कुल सच नहीं है! एक, और नए के माध्यम से उपकरण का उपयोग करने में सक्षम हो जाएगा - वास्तव में वर्तमान? - (wx) GUI और साथ ही GRASS 'शेल के माध्यम से। हां, वर्तमान संस्करण (6.4) और आगामी GRASS-GIS 7. दोनों में
मैंने कोशिश की एर्डास कल्पना और पर्यावरण सॉफ्टवेयर, और जो एक सबसे अच्छा है का कहना है कि करने में असमर्थ महसूस करते हैं। दोनों पर्यवेक्षित और अनुपयोगी तरीकों का उपयोग करके आपकी कल्पना को वर्गीकृत कर सकते हैं।
ब्राजील के नेशनल इंस्टीट्यूट फॉर स्पेस रिसर्च (INPE) द्वारा किए गए SPRING सॉफ़्टवेयर में भी एक नज़र डालें। यकीन नहीं है कि यह खुला स्रोत है, लेकिन यह निश्चित रूप से मुफ़्त है।
मैंने एर्दास इमेजिन, ईएनवीआई आईटीटी, इदरीसी सेल्वा, पीसीआई जियोमैटिक का उपयोग किया है। ENVI में IDL एक्सटेंशन हैं जो आपको उन्नत वर्गीकरण एल्गोरिदम जैसे कि SVM, ANN, DT, इत्यादि को चलाने के लिए प्रदान करते हैं। Indrisi Selva के पास पर्यवेक्षित और असुरक्षित दोनों तरह के विशेष रूप से तंत्रिका नेटवर्क (SOM, MLP, RBF, FuzzyART) पर काफी अच्छे वर्गीकरण एल्गोरिदम हैं। मोंटेवेर्डी, ऑर्फियो टूलबॉक्स पर भी थोड़ा अनुभव है। यह बहुत उपयोगकर्ता के अनुकूल सॉफ्टवेयर है। मल्टीस्पेक्ट में छवियों के लिए वर्गीकरण एल्गोरिदम भी हैं
मेरी अभी तक कोई वरीयता नहीं है (किसी भी FLOSS विकल्प की कोशिश नहीं की है), लेकिन मैंने फ़ीचर एनालिस्ट, आर्क * के लिए एक प्लगइन का परीक्षण किया है। ई-अनुभूति से हीन होते हुए भी इसमें प्रवेश की बाधा कम होती है। इसका उपयोग करना सरल है और पर्यवेक्षित वर्गीकरण के लिए एक अच्छा इंटरफ़ेस प्रदान करता है। आप मुख्य पहचान इकाई के रूप में विभिन्न "ब्रश" का उपयोग कर सकते हैं, लेकिन यह उस परिणाम को प्रभावित नहीं करता है जितना कोई अपेक्षा करेगा। इसमें एक बैच मोड भी है, लेकिन मेरे मामले में यह बेकार था, क्योंकि रिस्टेट्स को अच्छे परिणाम देने के लिए व्यक्तिगत प्रशिक्षण के नमूने की जरूरत थी।