Классификация растровых данных при помощи DTclassifier для QGIS - История изменений

Максим Дубинин в 09:15, 22 ноября 2016

2016-11-22T09:15:24Z

← Предыдущая версия		Версия от 11:15, 22 ноября 2016
Строка 6:		Строка 6:
	В большинстве случаев подобные решения являются самостоятельными приложениями и не интегрируются с ПО ГИС, также отсутствуют удобные инструменты подготовки и редактирования тренировочных наборов данных, что усложняет процесс их подготовки.		В большинстве случаев подобные решения являются самостоятельными приложениями и не интегрируются с ПО ГИС, также отсутствуют удобные инструменты подготовки и редактирования тренировочных наборов данных, что усложняет процесс их подготовки.

	DTclassifier (Decision Tree classifier) является расширением свободной ГИС QGIS, которое позволяет пройти все этапы классификации данных дистанционного зондирования не покидая ГИС. Расширение использует алгоритмы библиотеки компьютерного зрения [http://opencv.~~willowgarage.com/~~ OpenCV], а именно классификацию при помощи [http://www.basegroup.ru/library/analysis/tree/description/ деревьев решений].		DTclassifier (Decision Tree classifier) является расширением свободной ГИС QGIS, которое позволяет пройти все этапы классификации данных дистанционного зондирования не покидая ГИС. Расширение использует алгоритмы библиотеки компьютерного зрения [http://opencv.org OpenCV], а именно классификацию при помощи [http://www.basegroup.ru/library/analysis/tree/description/ деревьев решений].

			Видео-демонстрацию работы DTclassifier можно посмотреть [http://nextgis.ru/blog/dtclassifier-is-back/ тут].

	Разработка расширения выполнена NextGIS в рамках проекта по мониторингу лесов сертифицированных FSC (Forest Stewardship Council).		Разработка расширения выполнена NextGIS в рамках проекта по мониторингу лесов сертифицированных FSC (Forest Stewardship Council).

Максим Дубинин: /* Получение и установка */

2015-09-28T11:25:05Z

Получение и установка

← Предыдущая версия		Версия от 13:25, 28 сентября 2015
Строка 18:		Строка 18:
	==== Бинарная сборка ====		==== Бинарная сборка ====

	Для работы с программой в ОС Windows ~~понадобится~~:		Для работы с программой в ОС Windows можно пойти двумя путями:

	* ~~загрузить и установить QGIS версии 1.8.0 (~~[http://~~gis-lab~~.~~info~~/qa/~~qgis-osgeo4w.html подробнее~~]~~). На данный момент поддерживается только эта версия~~ QGIS.		* [http://nextgis.ru/nextgis-qgis/ загрузить] и установить NextGIS QGIS версии 15.4.88 или выше, DTClassifier включен в дистрибутив.
	* [http://gis-lab.info/programs/dtclassifier/dtclassifier-qgis1.8.~~7z 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)

	~~Для работы с модулем в Linux необходимо:~~		или

	* установить QGIS версии 1.8~~. Если пакеты для вашего дистрибутива отсутствуют — необходимо скомпилировать QGIS из исходных кодов~~		* загрузить и установить QGIS версии 2.8 или выше ([http://gis-lab.info/qa/qgis-osgeo4w.html подробнее])
	* загрузить архив с расширением:		* [http://nextgis.ru/programs/dtclassifier-qgis2.0.zip загрузить] архив с расширением и необходимыми библиотеками
	* 32-разрядная версия ([http://~~svn.~~gis-lab.info/~~dtclassifier/trunk~~/~~bin/dtclassifier~~-~~linux.tar~~.~~bz2 загрузить~~])~~. '''Примечание''': модуль собран в 32-х разрядной Slackware 13.1 с использованием OpenCV 2.3.1~~		* извлечь содержимое архива в каталог модулей QGIS (обычно это C:\OSGeo4W\apps\qgis-dev\plugins и C:\OSGeo4W\bin)
	* ~~(опционально) проверить контрольную сумму при помощи md5sum или аналогичной программы~~: ~~<pre>b3089f69602b9b55652380728f7b2a3c~~ dtclassifier-~~linux~~.~~tar~~.~~bz2</pre>~~
	* извлечь содержимое архива в каталог модулей QGIS (обычно это ~~<tt>/usr/lib/~~qgis/plugins~~</tt>~~)

	После установки нужно запустить QGIS и активировать расширение DTclassifier в Менеджере модулей («Модули → Управление модулями»).		После установки нужно запустить QGIS и активировать расширение DTclassifier в Менеджере модулей («Модули → Управление модулями»).

Максим Дубинин: /* Ссылки по теме */

2015-09-25T15:05:42Z

Ссылки по теме

← Предыдущая версия		Версия от 17:05, 25 сентября 2015
Строка 200:		Строка 200:
	=== Ссылки по теме ===		=== Ссылки по теме ===

	* [~~http~~://~~opencv.willowgarage~~.com/ OpenCV Wiki]		* [https://github.com/Itseez/opencv/wiki OpenCV Wiki]
	* [http://gis-lab.info/qa/classify-trees-r.html Классификация растровых данных с помощью деревьев решений в R]		* [http://gis-lab.info/qa/classify-trees-r.html Классификация растровых данных с помощью деревьев решений в R]
	* [http://gis-lab.info/qa/imagesvm.html Классификация данных ДЗЗ используя метод опорных векторов и imageSVM]		* [http://gis-lab.info/qa/imagesvm.html Классификация данных ДЗЗ используя метод опорных векторов и imageSVM]
	* [http://gis-lab.info/qa/burnedarea-opencv.html Распознавание сгоревших территорий с помощью деревьев решений и OpenCV]		* [http://gis-lab.info/qa/burnedarea-opencv.html Распознавание сгоревших территорий с помощью деревьев решений и OpenCV]

Максим Дубинин в 15:02, 25 сентября 2015

2015-09-25T15:02:24Z

← Предыдущая версия		Версия от 17:02, 25 сентября 2015
Строка 196:		Строка 196:
	Если вы нашли ошибку, у вас есть предложения по улучшению расширения или просто вопросы по использованию — напишите [http://www.nextgis.ru/contact/ нам].		Если вы нашли ошибку, у вас есть предложения по улучшению расширения или просто вопросы по использованию — напишите [http://www.nextgis.ru/contact/ нам].

	{\|		{{NextGIS}}
	~~\|[[Файл:Nextgis.png\|link=http://nextgis.ru]]~~
	~~\|Создание открытого ПО ГИС и реализация проектов~~
	\|}

	=== Ссылки по теме ===		=== Ссылки по теме ===

Максим Дубинин: /* Тестовые данные */

2015-08-14T14:53:09Z

Тестовые данные

← Предыдущая версия		Версия от 16:53, 14 августа 2015
Строка 42:		Строка 42:
	==== Тестовые данные ====		==== Тестовые данные ====

	[http://gis-lab.info/data/samples/dtclassifier-demo.7z Загрузить] архив c данными, использовавшимися при подготовке статьи.		[http://gis-lab.info/data/samples/dtclassifier-demo.7z Загрузить] архив c данными, использовавшимися при подготовке статьи (85 Мб).

	=== Работа с расширением ===		=== Работа с расширением ===

Максим Дубинин: /* Исходный код */

2015-08-14T14:52:54Z

Исходный код

← Предыдущая версия		Версия от 16:52, 14 августа 2015
Строка 40:		Строка 40:
	<pre>git clone git@github.com:nextgis/dtclassifier.git</pre>		<pre>git clone git@github.com:nextgis/dtclassifier.git</pre>

	~~Также можно загрузить~~ [http://gis-lab.info/data/samples/dtclassifier-demo.7z архив] c данными, использовавшимися при подготовке статьи.		==== Тестовые данные ====

			[http://gis-lab.info/data/samples/dtclassifier-demo.7z Загрузить] архив c данными, использовавшимися при подготовке статьи.

	=== Работа с расширением ===		=== Работа с расширением ===

Максим Дубинин в 08:29, 10 мая 2014

2014-05-10T08:29:23Z

← Предыдущая версия		Версия от 10:29, 10 мая 2014
Строка 10:		Строка 10:
	Разработка расширения выполнена NextGIS в рамках проекта по мониторингу лесов сертифицированных FSC (Forest Stewardship Council).		Разработка расширения выполнена NextGIS в рамках проекта по мониторингу лесов сертифицированных FSC (Forest Stewardship Council).

	{\|		{{NextGIS}}
	~~\|[[Файл:Nextgis.png\|link=http://nextgis.ru]]~~
	~~\|Создание открытого ПО ГИС и реализация проектов~~
	\|}

	=== Получение и установка ===		=== Получение и установка ===

Максим Дубинин: /* Бинарная сборка */

2013-10-03T19:50:50Z

Бинарная сборка

← Предыдущая версия		Версия от 21:50, 3 октября 2013
Строка 23:		Строка 23:
	Для работы с программой в ОС Windows понадобится:		Для работы с программой в ОС Windows понадобится:

	* загрузить и установить QGIS версии 1.8.0 ~~или выше~~ ([http://gis-lab.info/qa/qgis-osgeo4w.html подробнее])		* загрузить и установить QGIS версии 1.8.0 ([http://gis-lab.info/qa/qgis-osgeo4w.html подробнее]). На данный момент поддерживается только эта версия QGIS.
	* [http://~~svn.~~gis-lab.info/dtclassifier/~~trunk/bin/DTclassifier~~.7z загрузить] архив с расширением и необходимыми библиотеками		* [http://gis-lab.info/programs/dtclassifier/dtclassifier-qgis1.8.7z загрузить] архив с расширением и необходимыми библиотеками
	* (опционально) проверить контрольную сумму при помощи md5sum или аналогичной программы: <pre>7622527e656373797080b4c40a9bb4f2 DTclassifier.7z</pre>		* извлечь содержимое архива в каталог модулей QGIS (обычно это C:\OSGeo4W\apps\qgis-dev\plugins и C:\OSGeo4W\bin)
	* извлечь содержимое архива в каталог модулей QGIS (обычно это C:\OSGeo4W\apps\qgis-dev\plugins)

	Для работы с модулем в Linux необходимо:		Для работы с модулем в Linux необходимо:

	* установить QGIS версии 1.8 ~~или выше~~. Если пакеты для вашего дистрибутива отсутствуют — необходимо скомпилировать QGIS из исходных кодов		* установить QGIS версии 1.8. Если пакеты для вашего дистрибутива отсутствуют — необходимо скомпилировать QGIS из исходных кодов
	* загрузить архив с расширением:		* загрузить архив с расширением:
	* 32-разрядная версия ([http://svn.gis-lab.info/dtclassifier/trunk/bin/dtclassifier-linux.tar.bz2 загрузить]). '''Примечание''': модуль собран в 32-х разрядной Slackware 13.1 с использованием OpenCV 2.3.1		* 32-разрядная версия ([http://svn.gis-lab.info/dtclassifier/trunk/bin/dtclassifier-linux.tar.bz2 загрузить]). '''Примечание''': модуль собран в 32-х разрядной Slackware 13.1 с использованием OpenCV 2.3.1

Максим Дубинин: /* Исходный код */

2013-08-28T08:28:48Z

Исходный код

← Предыдущая версия		Версия от 10:28, 28 августа 2013
Строка 40:		Строка 40:
	==== Исходный код ====		==== Исходный код ====

	Исходный код модуля (лицензия GNU GPL v2) можно получить, выполнив команду		Исходный код модуля (лицензия GNU GPL v2) можно получить через [https://github.com/nextgis/dtclassifier репозиторий на GitHub], или выполнив команду:

	<pre>~~svn co http~~:/~~/svn.gis-lab~~.~~info/dtclassifier/trunk dtclassifier~~</pre>		<pre>git clone git@github.com:nextgis/dtclassifier.git</pre>

	Также можно загрузить [http://gis-lab.info/data/samples/dtclassifier-demo.7z архив] c данными, использовавшимися при подготовке статьи.		Также можно загрузить [http://gis-lab.info/data/samples/dtclassifier-demo.7z архив] c данными, использовавшимися при подготовке статьи.

Максим Дубинин в 09:15, 1 августа 2013

2013-08-01T09:15:21Z

← Предыдущая версия		Версия от 11:15, 1 августа 2013
Строка 2:		Строка 2:
	{{Аннотация\|Описание и пример использования нового инструмента классификации растров.}}		{{Аннотация\|Описание и пример использования нового инструмента классификации растров.}}

	Тематическая классификация растров с обучением является довольно распространенной задачей. Типичная классификация ~~используе~~ на входе набор растров, чаще всего данных дистанционного зондирования и набор тренировочных территорий, определяющих искомые и все остальные (фоновые) объекты. После сбора этой информации методики собственно построения модели классификации могут быть разными, параметрическими и непараметрическими. Первые подразумевают наличие некоторого статистического распределения в тренировочных данных (например, нормального), последние таких допущений не делают и являются поэтому более гибкими и менее ограниченными. На сайте уже есть несколько статей, описывающих непараметрическую классификацию растровых данных при помощи [http://gis-lab.info/qa/classify-trees-r.html деревьев классификации в R] и [http://gis-lab.info/qa/imagesvm.html метода опорных векторов в imageSVM]. Кроме того, помимо проприетарных решений, для решения этой задачи существуют и другие программные продукты с открытым исходным кодом, например, инструменты классификации есть в OTB и GRASS.		Тематическая классификация растров с обучением является довольно распространенной задачей. Типичная классификация использует на входе набор растров, чаще всего данных дистанционного зондирования и набор тренировочных территорий, определяющих искомые и все остальные (фоновые) объекты. После сбора этой информации методики собственно построения модели классификации могут быть разными, параметрическими и непараметрическими. Первые подразумевают наличие некоторого статистического распределения в тренировочных данных (например, нормального), последние таких допущений не делают и являются поэтому более гибкими и менее ограниченными. На сайте уже есть несколько статей, описывающих непараметрическую классификацию растровых данных при помощи [http://gis-lab.info/qa/classify-trees-r.html деревьев классификации в R] и [http://gis-lab.info/qa/imagesvm.html метода опорных векторов в imageSVM]. Кроме того, помимо проприетарных решений, для решения этой задачи существуют и другие программные продукты с открытым исходным кодом, например, инструменты классификации есть в OTB и GRASS.

	В большинстве случаев подобные решения являются самостоятельными приложениями и не интегрируются с ПО ГИС, также отсутствуют удобные инструменты подготовки и редактирования тренировочных наборов данных, что усложняет процесс их подготовки.		В большинстве случаев подобные решения являются самостоятельными приложениями и не интегрируются с ПО ГИС, также отсутствуют удобные инструменты подготовки и редактирования тренировочных наборов данных, что усложняет процесс их подготовки.