Использование консольного DTclassifier для классификации растровых данных и анализа изменений: различия между версиями
Igg (обсуждение | вклад) (Новая страница: «{{Статья|Черновик}} {{Аннотация|Описание и примеры использования консольной версии DTclassifi…») |
Igg (обсуждение | вклад) Нет описания правки |
||
Строка 4: | Строка 4: | ||
DT classifier простой в использовании и эффективный плагин для классификации растровых изображений | DT classifier простой в использовании и эффективный плагин для классификации растровых изображений | ||
Декстопная версия расширения входит в дистрибутив (QGIS-NextGIS[http://nextgis.ru/nextgis-qgis/]). | Декстопная версия расширения входит в дистрибутив (QGIS-NextGIS[http://nextgis.ru/nextgis-qgis/]). | ||
Расширение использует метод деревьев решений реализованный на основе библиотеки OpenCV | Расширение использует метод деревьев решений реализованный на основе библиотеки [OpenCV]. | ||
Подробнее о расширениее написано здесь [http://gis-lab.info/qa/dtclassifier.html]. | Подробнее о расширениее написано здесь [http://gis-lab.info/qa/dtclassifier.html]. | ||
DT classifier имеет удобный графический интерфейс, но для некоторых задач, например, | DT classifier имеет удобный графический интерфейс, но для некоторых задач, например, | ||
для встраивания алгоритмов классификации в workflow обработки изображений или для обработки большого количества данных удобнее использоывать | для встраивания алгоритмов классификации в workflow обработки изображений или для обработки большого количества данных удобнее использоывать | ||
Строка 48: | Строка 49: | ||
(картинка) | (картинка) | ||
classifier -запуск расширения | <pre>classifier</pre> | ||
--save_points - сохраняет точки полученные из обучающих данных в виде шейп файла с атрибутивнлой таблицей значений растров | |||
--presence векторный слой объектов-мишеней (target) т.е. объекты которые нужно выделить при анализе | -запуск расширения | ||
--absence векторный слой фоновых объектов (background), т.е. объекты от которых нужно отделить объекты -мишени | |||
--input_rasters пути | <pre>--save_points </pre> | ||
--save_model сохранить модель (дерево решений или модель random forest) в файл (.aml) | |||
--use_model использовать существующую модель (ВАЖНО | - сохраняет точки полученные из обучающих данных в виде шейп файла с атрибутивнлой таблицей значений растров | ||
--classify | |||
--use_decision_tree использовать дерево решений (по умолчанию используется random forest) | <pre>--presence </pre> | ||
--generalize размер окна для генерализации (median) | |||
векторный слой объектов-мишеней (target) т.е. объекты которые нужно выделить при анализе | |||
<pre>--absence</pre> | |||
векторный слой фоновых объектов (background), т.е. объекты от которых нужно отделить объекты -мишени | |||
<pre>--input_rasters</pre> | |||
пути к растровым данным ('''ВАЖНО'''! необходимо указывать полные пути к файлам) разделенные пробелом | |||
<pre>--save_model</pre> | |||
сохранить модель (дерево решений или модель random forest) в файл (.aml) | |||
<pre>--use_model</pre> | |||
использовать существующую модель ('''ВАЖНО'''! количество и порядок каналов должен быть таким же как при создании модели, иначе результат будет некорректным) | |||
<pre>--classify</pre> | |||
путь для сохранения результата классификации | |||
<pre>--use_decision_tree</pre> | |||
использовать дерево решений (по умолчанию используется random forest) | |||
<pre>--generalize</pre> | |||
размер окна для генерализации (median) | |||
<pre>--load_points</pre> | |||
использовать существующие точки для создания модели и классификации!!! еще нет.. | |||
=== Примеры использования === | === Примеры использования === |
Версия от 17:41, 31 июля 2016
Описание и примеры использования консольной версии DTclassifier для классификации растровых данных.
DT classifier простой в использовании и эффективный плагин для классификации растровых изображений Декстопная версия расширения входит в дистрибутив (QGIS-NextGIS[1]). Расширение использует метод деревьев решений реализованный на основе библиотеки [OpenCV]. Подробнее о расширениее написано здесь [2].
DT classifier имеет удобный графический интерфейс, но для некоторых задач, например, для встраивания алгоритмов классификации в workflow обработки изображений или для обработки большого количества данных удобнее использоывать консольную версию плагина. Что и было реализовано командой NextGIS
Создано в | Веб ГИС для вашей организации по доступной цене |
Получение и установка
Расширение доступно как в виде исходного кода C++, так и в бинарной форме.
Бинарная сборка
Для работы с программой в ОС Windows можно пойти двумя путями: Для работы с программой в ОС Windows можно пойти двумя путями:
- загрузить и установить NextGIS QGIS версии 15.4.88 или выше, DTClassifier включен в дистрибутив.
или
- загрузить и установить QGIS версии 2.8 или выше (подробнее)
- загрузить архив с расширением и необходимыми библиотеками
- извлечь содержимое архива в каталог модулей QGIS (обычно это C:\OSGeo4W\apps\qgis-dev\plugins и C:\OSGeo4W\bin)
После установки, в окне OSGeo4W shell наряду с другими функциями gdal и ogr появится функция classifier.
Исходный код
Исходный код модуля (лицензия GNU GPL v2) можно получить через репозиторий на GitHub, или выполнив команду:
git clone git@github.com:nextgis/dtclassifier.git
Тестовые данные
Загрузить архив c данными, использовавшимися при подготовке статьи (... Мб).
Работа с расширением
Синтаксис расширения включает несколько обязательных параметров и ряд дополнительных, расширяющих функциональность приложения.
(картинка)
classifier
-запуск расширения
--save_points
- сохраняет точки полученные из обучающих данных в виде шейп файла с атрибутивнлой таблицей значений растров
--presence
векторный слой объектов-мишеней (target) т.е. объекты которые нужно выделить при анализе
--absence
векторный слой фоновых объектов (background), т.е. объекты от которых нужно отделить объекты -мишени
--input_rasters
пути к растровым данным (ВАЖНО! необходимо указывать полные пути к файлам) разделенные пробелом
--save_model
сохранить модель (дерево решений или модель random forest) в файл (.aml)
--use_model
использовать существующую модель (ВАЖНО! количество и порядок каналов должен быть таким же как при создании модели, иначе результат будет некорректным)
--classify
путь для сохранения результата классификации
--use_decision_tree
использовать дерево решений (по умолчанию используется random forest)
--generalize
размер окна для генерализации (median)
--load_points
использовать существующие точки для создания модели и классификации!!! еще нет..
Примеры использования
Цель: Классифицировать изменения лесного покрова двух временных срезов Landsat для нескольких path/row
- Задача: Классифицировать пары сцен Landsat в batch режиме на основе общего слоя тестовых объектов
- Задача: Cоздать модель классификации на основе нескольких пар сцен, сохранить и применить ее последовательно ко всем сценам