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 3: | Строка 3: | ||
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 | 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 | Подробнее о работе расширения написано здесь [http://gis-lab.info/qa/dtclassifier.html]. | ||
Плагин имеет удобный графический интерфейс, но для некоторых задач, например, | Плагин имеет удобный графический интерфейс, но для некоторых задач, например, | ||
Строка 55: | Строка 55: | ||
-запуск расширения | -запуск расширения | ||
<pre>-- | <pre>--input_rasters</pre> | ||
пути к растровым данным ('''ВАЖНО'''! необходимо указывать полные пути к файлам) разделенные пробелом | |||
<pre>--presence </pre> | <pre>--presence </pre> | ||
векторные слои объектов-мишеней (target) т.е. объекты которые нужно выделить при анализе | |||
<pre>--save_points </pre> | |||
- сохраняет точки полученные из обучающих данных в виде шейп файла с атрибутивнлой таблицей значений растров | |||
<pre>--absence</pre> | <pre>--absence</pre> | ||
векторный слой фоновых объектов (background), т.е. объекты от которых нужно отделить объекты -мишени | векторный слой фоновых объектов (background), т.е. объекты от которых нужно отделить объекты -мишени | ||
<pre>--save_model</pre> | <pre>--save_model</pre> |
Версия от 14:01, 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
векторные слои объектов-мишеней (target) т.е. объекты которые нужно выделить при анализе
--save_points
- сохраняет точки полученные из обучающих данных в виде шейп файла с атрибутивнлой таблицей значений растров
--absence
векторный слой фоновых объектов (background), т.е. объекты от которых нужно отделить объекты -мишени
--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