답변:
수행하려는 분류 유형에 따라 여러 도구를 사용합니다.
일반적으로 감독되지 않은 / 감독 된 분류의 경우 분류 방법에 대한 많은 옵션이있는 ENVI를 사용 합니다 (신경망 및 지원 벡터 시스템을 사용하는 고급 방법 포함). IDL 프로그래밍 언어를 사용하여 ENVI를 확장하는 것은 매우 쉽고, 필요한 경우 분류 작업 후 분석을 단순화하는 경우가 많습니다 (자신의 코드를 작성할 수 있으므로).
객체 기반 분류를 수행하려면 (이미지를 객체로 분할 한 다음 이러한 객체를 분류하면 밴드, 모양 및 질감과 같은 객체의 집계 된 속성을 사용할 수 있다는 이점) eCognition , eCognition의 힘이 필요하지 않으면 ENVI EX 가 좋다고 들었습니다 .
무료 소프트웨어를 찾고 있다면 Opticks 에 대해 잘 알지 못했지만 Opticks 에는 분류를위한 여러 옵션이 있습니다. 또한 Spectral Python 은 Python 에서 NumPy 배열에 이미지를로드 한 다음 처리 할 수있는 매우 유용한 도구입니다. 여기에는 다양한 분류 방법이 포함 된 모듈이 포함되어 있으며 확장이 매우 쉽습니다.
오픈 소스 GIS 솔루션은 다음을 참조하십시오 : http://grass.osgeo.org/wiki/Image_classification 여기에는 작은 튜토리얼도 포함되어 있습니다.
올해 제가 가장 좋아하는 것은 Orfeo Toolbox 및 관련 프로그램 인 Monteverdi입니다.
http://orfeo-toolbox.org/otb/monteverdi.html
원격 감지 작업을위한 다양한 옵션과 매우 유용한 문서. 오, 나는 그것이 무료이며 OS라고 언급 했습니까?
즐기세요, sa
방금 QGIS 포럼에서이 게시물을보고 여기에 올 것이라고 생각했습니다.
모두 안녕
교차 게시에 대해 죄송합니다. 아시다시피 r.li 제품군의 GRASS 명령은 가로 분석을 허용합니다 . 인터페이스는 다소 복잡하며 여전히 TclTk에 있으며 wxpython 또는 qgis로 이식되지 않습니다. 따라서 이제는 사용하는 것보다 사용하기가 더 어려우며 TclTk 지원이 중단되면 사용할 수 없게됩니다. 가능한 해결책은 Radim 덕분에 인터페이스를 qgis python 플러그인으로 다시 작성하는 것입니다. 큰 작업이되어서는 안됩니다 (잠정적으로 2-3 주 정도 추정).
문제는 플러그인을 작성하기 위해 시간이나 돈을 투자 할 사람이 있습니까?
필요한 경우 우리 (Faunalia)가 기꺼이 도와 드리겠습니다.
Qgis 사용자 메일 링리스트 Qgis-user@lists.osgeo.org http://lists.osgeo.org/mailman/listinfo/qgis-user
r.li.*
제품군 을 사용할 수 없게 된다는 진술 은 사실이 아닙니다! 새로운 도구를 통해 도구를 사용할 수 있으며 실제로 사용할 수 있습니까? -(wx) GUI는 물론 GRASS 'shell을 통해. 7. 곧 GRASS-GIS뿐 아니라 예, 모두에서 최신 버전 (6.4)
Erdas Imagine 및 ENVI 소프트웨어를 사용해 보았는데 어느 것이 가장 좋은지 말할 수 없습니다. 둘 다 감독 및 감독되지 않은 방법을 사용하여 이미지를 분류 할 수 있습니다.
또한 브라질 국립 우주 연구소 (INPE)에서 만든 SPRING 소프트웨어도 살펴보십시오. 오픈 소스인지 확실하지 않지만 확실히 무료입니다.
Erdas Imagine, ENVI ITT, Idrisi Selva, PCI Geomatica를 사용했습니다. ENVI에는 SVM, ANN, DT 등과 같은 고급 분류 알고리즘을 구동 할 수있는 IDL 확장 기능이 있습니다. Monteverdi, Orfeo Toolbox에도 약간의 경험이 있습니다. MultiSpec에는 이미지 분류 알고리즘도 있습니다
아직 선호도는 없지만 (FLOSS 대안을 시도하지는 않았지만) Arc * 용 플러그인 인 Feature Analyst를 테스트했습니다. e-Cognition보다 열등하지만 진입 장벽이 낮습니다. 사용이 간편하고 감독 분류를위한 멋진 인터페이스를 제공합니다. 다양한 "브러시"를 기본 감지 장치로 사용할 수 있지만 예상만큼 결과에 영향을 미치지 않습니다. 그것은 또한 배치 모드를 가지고 있지만 래스터는 좋은 결과를 얻기 위해 개별 훈련 샘플 조정이 필요했기 때문에 쓸모가 없었습니다.