Использование консольного DTclassifier для классификации растровых данных и анализа изменений: различия между версиями
Igg (обсуждение | вклад) Нет описания правки |
Igg (обсуждение | вклад) Нет описания правки |
||
| Строка 53: | Строка 53: | ||
<pre>classifier</pre> | <pre>classifier</pre> | ||
-запуск расширения | - запуск расширения | ||
<pre>--input_rasters</pre> | <pre>--input_rasters</pre> | ||
пути к растровым данным ('''ВАЖНО'''! необходимо указывать полные пути к файлам) разделенные пробелом | - пути к растровым данным ('''ВАЖНО'''! необходимо указывать полные пути к файлам) разделенные пробелом | ||
<pre>--presence </pre> | <pre>--presence </pre> | ||
- полные пути к векторным слоям объектов содержащие признак который нужно выделить при анализе, разделенные пробелом. Например для природных экосистем: облака, водные объекты, рубки или пожары. | |||
<pre>--absence</pre> | |||
- полные пути к векторным слоям фоновых объектов , т.е. объектам от которых нужно отделить объекты содержащие признак. | |||
<pre>--classify</pre> | |||
путь для сохранения результата классификации | |||
<pre>--save_points </pre> | <pre>--save_points </pre> | ||
- сохраняет точки полученные из обучающих данных в виде шейп файла с атрибутивнлой таблицей значений растров | - сохраняет точки полученные из обучающих данных в виде шейп файла с атрибутивнлой таблицей значений растров | ||
<pre>--save_model</pre> | <pre>--save_model</pre> | ||
сохранить модель (дерево решений или модель random forest) в файл (.aml) | - сохранить модель (дерево решений или модель random forest) в файл (.aml) | ||
<pre>--use_model</pre> | <pre>--use_model</pre> | ||
использовать существующую модель ('''ВАЖНО'''! количество и порядок каналов должен быть таким же как при создании модели, иначе результат будет некорректным) | - использовать существующую модель. При этом параметры --presence и --absence игнорируются. | ||
('''ВАЖНО'''! количество и порядок каналов должен быть таким же как при создании модели, иначе результат будет некорректным) | |||
<pre>-- | <pre>--use_decision_tree</pre> | ||
использовать дерево решений (по умолчанию используется random forest) | |||
<pre>-- | <pre>--discrete_classes</pre> | ||
Сохраняет результат в растр с двумя значениями (1-presence и 2-absence). По умолчанию - только presence. | |||
<pre>--generalize</pre> | <pre>--generalize</pre> | ||
размер окна для генерализации ( | размер окна для генерализации (kernel size) | ||
<pre>--load_points</pre> | <pre>--load_points</pre> | ||
использовать существующие точки для создания модели и классификации!!! еще | использовать существующие точки для создания модели и классификации!!! еще не реализовано.. | ||
=== Примеры использования === | === Примеры использования === | ||
Версия от 14:09, 1 августа 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 работе расширения написано здесь [2].
Плагин имеет удобный графический интерфейс, но для некоторых задач, например, для встраивания алгоритмов классификации в workflow обработки изображений или для анализа 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:
- 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.
(картинка)
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
--input_rasters
- пути к растровым данным (ВАЖНО! необходимо указывать полные пути к файлам) разделенные пробелом
--presence
- полные пути к векторным слоям объектов содержащие признак который нужно выделить при анализе, разделенные пробелом. Например для природных экосистем: облака, водные объекты, рубки или пожары.
--absence
- полные пути к векторным слоям фоновых объектов , т.е. объектам от которых нужно отделить объекты содержащие признак.
--classify
путь для сохранения результата классификации
--save_points
- сохраняет точки полученные из обучающих данных в виде шейп файла с атрибутивнлой таблицей значений растров
--save_model
- сохранить модель (дерево решений или модель random forest) в файл (.aml)
--use_model
- использовать существующую модель. При этом параметры --presence и --absence игнорируются. (ВАЖНО! количество и порядок каналов должен быть таким же как при создании модели, иначе результат будет некорректным)
--use_decision_tree
использовать дерево решений (по умолчанию используется random forest)
--discrete_classes
Сохраняет результат в растр с двумя значениями (1-presence и 2-absence). По умолчанию - только presence.
--generalize
размер окна для генерализации (kernel size)
--load_points
использовать существующие точки для создания модели и классификации!!! еще не реализовано..
Примеры использования
Цель: Классифицировать изменения лесного покрова двух временных срезов Landsat для нескольких path/row