लैंडसैट रेखापुंज छवियों के बाहर सड़कें निकालना


11

वर्षावन में सड़क नेटवर्क के विस्तार में एक अध्ययन के लिए मैं लैंडसैट छवियों से सड़कों को निकालने की कोशिश कर रहा हूं। हमारे पास पहले से ही तेज और क्लाउड-मुक्त कंपोजिट हैं, जिन पर सड़कें स्पष्ट रूप से दिखाई देती हैं, लेकिन उन को लाइन फीचर्स में निकालना मुश्किल साबित हो रहा है, इसलिए मैं सोच रहा था कि क्या किसी को एक अच्छा एल्गोरिथ्म या तरीका पता है जो कि बड़ी इमेज को हैंडल कर सकता है जो लैंडसैट प्रदान करता है? मैं घास r.thin की कोशिश की है, लेकिन यह काम नहीं कर रहा है।

जवाबों:


10

मैं ब्राज़ील के नेशनल इंस्टीट्यूट फॉर स्पेस रिसर्च से उपलब्ध मुफ्त सॉफ्टवेयर SPRING के साथ छवि विभाजन का उपयोग करने की सलाह दूंगा । प्रलेखन यहाँ उपलब्ध है और ट्यूटोरियल यहाँ उपलब्ध हैं । छवि विभाजन विशुद्ध रूप से पिक्सेल आधारित वर्गीकरण विधियों (जैसे ISODATA, अधिकतम संभावना, आदि) की तुलना में उच्च वर्गीकरण सटीकता का उत्पादन करता है। मेरे उत्तर को बेहतर बनाने में मदद करने के लिए, मैंने इमेजरी (nIR, 1m रिज़ॉल्यूशन) पर छवि विभाजन किया, जिसमें पूर्वी ओरेगन में रंगभूमि के माध्यम से चलने वाली सड़क थी। SPRING के साथ छवि विभाजन करने के लिए सामान्य वर्कफ़्लो निम्नानुसार है:

  1. आयात छवि
  2. विभाजन करें (चित्र 1 में दिखाए गए परिणाम)
  3. यह निर्धारित करके प्रशिक्षण सेट करें कि कौन से क्षेत्र किस वर्ग के हैं।
  4. खंडित क्षेत्रों पर वर्गीकरण का प्रदर्शन करें।

पहली छवि वास्तविक विभाजन के परिणामों को दिखाती है। सड़क को नीले रंग में हाइलाइट किया गया है और इसका उपयोग चरण 3 (प्रशिक्षण) के दौरान किया गया था। मैंने अन्य सभी वर्गों (जैसे घास, पेड़, आदि) को दूसरी श्रेणी में शामिल किया। अंतिम छवि छवि विभाजन और वर्गीकरण एल्गोरिदम के परिणामों को दिखाती है। जैसा कि आप देख सकते हैं, छवि विभाजन ने नमूना इमेजरी के साथ बहुत अच्छे परिणाम उत्पन्न किए।

लैंडसैट इमेजरी के साथ, मेरे नमूना इमेजरी की तुलना में आपके पास कम स्थानिक रिज़ॉल्यूशन होगा, फिर भी आपके पास वर्णक्रमीय रिज़ॉल्यूशन अधिक होगा और इस प्रकार वनस्पति और गैर-वनस्पति क्षेत्रों के बीच अधिक अंतर का पता लगाने में सक्षम होगा। चूंकि SPRING आकृतियों के अतिरिक्त वर्णक्रमीय बैंडों को ध्यान में रखता है, इसलिए आपको अपने लैंडसैट इमेजरी का उपयोग करके बहुत अच्छे परिणाम देखने चाहिए। इतने महत्वपूर्ण विषय पर शोध करने के लिए शुभकामनाएँ और धन्यवाद।

यहां छवि विवरण दर्ज करें

यहां छवि विवरण दर्ज करें


बहुत बढ़िया। ऑर्फियो टूलबॉक्स एक अन्य समान विकल्प है
रागी यासर बुरहुम

3

इस समस्या के लिए खंडित वस्तु (उर्फ प्रशिक्षित) वर्गीकरण का उपयोग बहुत सफलतापूर्वक किया जा सकता है, लेकिन मैं आपको यह बताने के लिए पर्याप्त नहीं जानता कि इस क्षेत्र में क्या क्षमताएं हैं। हालांकि आपको बहुभुज मिलेंगे, इसलिए आपको अभी भी उन्हें पतला करना होगा या माध्य या किसी अन्य परिवर्तन का उपयोग करना होगा।

यदि आपके पास पास-इन्फ्रारेड बैंड या समग्र उपलब्ध है, तो आपको और भी बेहतर परिणाम मिलेंगे, क्योंकि सड़कों और अन्य बंजर जमीनों की परावर्तनता वनस्पति, प्लस छाया से काफी भिन्न होती है और कुछ हद तक कैनोपियों (सड़कों पर) को प्रभावित करती है परिणाम कम।


इसका मजाकिया है कि आप निकट-अवरक्त का उल्लेख करते हैं क्योंकि वह वही है जिस पर मैं फ़ोकसिंग कर रहा हूं और यह वास्तव में प्राचीन वन से स्पष्ट रूप से अलग है, लेकिन परेशान जंगल में लगभग समान-आईआर हस्ताक्षर हैं। मैं सेगमेंटेड ऑब्जेक्ट वर्गीकरण की कोशिश करूँगा, देखने देता है।
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.