R ha la capacità di segmentare l'immagine, sebbene tutti gli esempi che ho incontrato utilizzino una singola banda per la segmentazione ( esempio ). Sono interessato a combinare la capacità di R per la classificazione casuale dell'immagine della foresta con un approccio alla segmentazione orientata agli oggetti.
Quali funzionalità ha R per la segmentazione di immagini multispettrali adatta per l'analisi basata sulle risorse naturali? O come collegare i risultati di una segmentazione a banda singola per ulteriori analisi.
5
Nell'esempio che colleghi, usano il clustering spettrale. Il clustering spettrale in linea di principio può essere applicato anche ai dati n-dimensionali, in quanto decompone semplicemente una matrice di somiglianza che può essere costruita per qualsiasi tipo di dati. Il principio del clustering spettrale è quello di incorporare i dati in uno spazio dimensionale inferiore ed eseguire il clustering in quello spazio (ad es. Con kmean). Non ho molta familiarità con R, ma sono sicuro che ci vorrebbero solo poche righe di codice (almeno in matlab, ci vogliono poche righe). In caso contrario, sono sicuro che ci sono implementazioni gratuite di altri approcci, come la segmentazione del cambio di media.
—
pixelmitch,
Se non deve essere R (solo qualcosa di open source) potresti usare RSGISLib per la segmentazione e applicare le foreste casuali usando scikit-learn. C'è un esempio che ho scritto su come farlo qui. spectraldifferences.wordpress.com/2014/09/09/… . È inoltre possibile utilizzare RSGISLib per segmentare e attribuire oggetti, quindi importarli in R come file di testo per la classificazione.
—
Danclewley,
Hai trovato una risposta?
—
George Nostradamos,
@GeorgeNostradamos Non per R. Tuttavia, Python ha una segmentazione di spostamento media che utilizza più bande. Credo che sia nel pacchetto scikit-learn.
—
Aaron
@Aaron Ho già esperienza con Python e GRASS ma volevo vedere fino a che punto posso spingere R. Comunque vedrò quello che posso trovare, grazie
—
George Nostradamos,