i.smapgrass - ອອນລາຍໃນຄລາວ

ໂຄງການ:

NAME

i.smap - ປະຕິບັດການຈັດປະເພດຮູບພາບຕາມບໍລິບົດໂດຍໃຊ້ລໍາດັບສູງສຸດຕາມລໍາດັບ
(SMAP) ການ​ຄາດ​ຄະ​ເນ​.

KEYWORDS

ຮູບພາບ, ການຈັດປະເພດ, ການຈັດປະເພດທີ່ມີການເບິ່ງແຍງ, ການແບ່ງສ່ວນ, SMAP

ສະຫຼຸບສັງລວມ

i.smap
i.smap - ຊ່ວຍ
i.smap [-m] ກຸ່ມ=ຊື່ ກຸ່ມຍ່ອຍ=ຊື່ ໄຟລ໌ລາຍເຊັນ=ຊື່ output=ຊື່ [ຄວາມດີ=ຊື່]
[ຂະໜາດ=integer] [--ຂຽນທັບ] [--ຊ່ວຍເຫຼືອ] [--ຄຳເວົ້າ] [--ງຽບ] [--ui]

ທຸງ:
-m
ໃຊ້​ການ​ຄາດ​ຄະ​ເນ​ຄວາມ​ເປັນ​ໄປ​ໄດ້​ສູງ​ສຸດ (ແທນ​ທີ່​ຈະ​ເປັນ smap​)

--ຂຽນທັບ
ອະນຸຍາດໃຫ້ໄຟລ໌ຜົນຜະລິດຂຽນທັບໄຟລ໌ທີ່ມີຢູ່ແລ້ວ

- ຊ່ວຍ
ພິມສະຫຼຸບການນຳໃຊ້

-- verbose
ຜົນຜະລິດໂມດູນ Verbose

--ງຽບ
ຜົນຜະລິດໂມດູນງຽບ

--ui
ບັງຄັບໃຫ້ເປີດກ່ອງໂຕ້ຕອບ GUI

ຕົວກໍານົດການ:
ກຸ່ມ=ຊື່ [ຕ້ອງການ]
ຊື່ຂອງກຸ່ມຮູບພາບທີ່ປ້ອນເຂົ້າ

ກຸ່ມຍ່ອຍ=ຊື່ [ຕ້ອງການ]
ຊື່ຂອງກຸ່ມຍ່ອຍຮູບພາບທີ່ປ້ອນເຂົ້າ

ໄຟລ໌ລາຍເຊັນ=ຊື່ [ຕ້ອງການ]
ຊື່ຂອງໄຟລ໌ປ້ອນຂໍ້ມູນທີ່ມີລາຍເຊັນ
ສ້າງຂຶ້ນໂດຍ i.gensigset

output=ຊື່ [ຕ້ອງການ]
ຊື່ສໍາລັບຜົນຜະລິດແຜນທີ່ raster ຖືຜົນການຈັດປະເພດ

ຄວາມດີ=ຊື່
ຊື່ສໍາລັບແຜນທີ່ raster ຜົນຜະລິດທີ່ຖືຄວາມເຫມາະສົມ (ຕ່ໍາກວ່າແມ່ນດີກວ່າ)

ຂະໜາດ=integer
ຂະຫນາດຂອງ submatrix ທີ່ຈະປະມວນຜົນໃນເວລາດຽວ
ມາດຕະຖານ: 1024

ລາຍລະອຽດ

ໄດ້ i.smap ໂປຣແກມຖືກໃຊ້ເພື່ອແບ່ງສ່ວນຮູບພາບຫຼາຍສະເປັກໂດຍໃຊ້ຕົວແບບຊັ້ນ spectral
ເປັນທີ່ຮູ້ຈັກເປັນການແຜ່ກະຈາຍຂອງປະສົມ Gaussian. ນັບ​ຕັ້ງ​ແຕ່ Gaussian ການ​ແຜ່​ກະ​ຈາຍ​ປະ​ສົມ​ປະ​ກອບ​ມີ​
ການແຈກຢາຍ Gaussian multivariate ທຳ ມະດາ, ໂຄງການນີ້ອາດຈະຖືກ ນຳ ໃຊ້ເພື່ອແບ່ງສ່ວນ
ຮູບພາບ multispectral ໂດຍອີງໃສ່ຄ່າສະເລ່ຍ spectral ງ່າຍດາຍ ແລະຕົວກໍານົດການຄວາມແຕກຕ່າງກັນ.

i.smap ມີ​ສອງ​ຮູບ​ແບບ​ການ​ດໍາ​ເນີນ​ງານ​. ຮູບ​ແບບ​ທໍາ​ອິດ​ແມ່ນ​ຕາມ​ລໍາ​ດັບ​ສູງ​ສຸດ posteriori​
ໂໝດ (SMAP) [1,2]. ຂັ້ນຕອນການແບ່ງສ່ວນ SMAP ພະຍາຍາມປັບປຸງການແບ່ງສ່ວນ
ຄວາມ​ຖືກ​ຕ້ອງ​ໂດຍ​ການ​ແບ່ງ​ສ່ວນ​ຮູບ​ພາບ​ອອກ​ເປັນ​ພາກ​ພື້ນ​ແທນ​ທີ່​ຈະ​ເປັນ​ການ​ແບ່ງ​ປັນ​ແຕ່​ລະ pixels ແຍກ​ຕ່າງ​ຫາກ​
(ເບິ່ງບັນທຶກ).

ຮູບແບບທີສອງແມ່ນການຈັດປະເພດຄວາມເປັນໄປໄດ້ສູງສຸດແບບດັ້ງເດີມຫຼາຍ (ML) ເຊິ່ງ
ຈັດແບ່ງແຕ່ລະ pixels ແຍກຕ່າງຫາກ, ແຕ່ຮຽກຮ້ອງໃຫ້ມີການຄິດໄລ່ຫນ້ອຍລົງ. ຮູບແບບນີ້ແມ່ນ
ຄັດເລືອກດ້ວຍ -m ທຸງ (ເບິ່ງຂ້າງລຸ່ມນີ້).

OPTIONS

ທຸງ:
-m
ໃຊ້ການຄາດຄະເນຄວາມເປັນໄປໄດ້ສູງສຸດ (ແທນທີ່ຈະເປັນ smap). ການດໍາເນີນງານປົກກະຕິແມ່ນການນໍາໃຊ້ SMAP
ການຄາດຄະເນ (ເບິ່ງບັນທຶກ).

ຕົວກໍານົດການ:
ກຸ່ມ=ຊື່
ກຸ່ມ​ຮູບ​ພາບ​
ກຸ່ມຮູບພາບທີ່ກໍານົດຮູບພາບທີ່ຈະຈັດປະເພດ.

ກຸ່ມຍ່ອຍ=ຊື່
ກຸ່ມຍ່ອຍຮູບພາບ
ກຸ່ມຍ່ອຍພາຍໃນກຸ່ມທີ່ລະບຸທີ່ລະບຸຊຸດຍ່ອຍຂອງໄຟລ໌ແຖບ
ທີ່ຈະໃຊ້ເປັນຂໍ້ມູນຮູບພາບທີ່ຈະຈັດປະເພດ.

signaturefile=ຊື່
ໄຟລ໌ລາຍເຊັນຮູບພາບ
ໄຟລ໌ລາຍເຊັນທີ່ປະກອບດ້ວຍລາຍເຊັນ spectral (ie, ສະຖິຕິ) ສໍາລັບ
ຫ້ອງຮຽນທີ່ຈະຖືກກໍານົດຢູ່ໃນຮູບພາບ. ໄຟລ໌ລາຍເຊັນນີ້ແມ່ນຜະລິດໂດຍ
ໂຄງການ i.gensigset (ເບິ່ງບັນທຶກ).

blocksize=ມູນຄ່າ
ຂະໜາດຂອງ submatrix ເພື່ອປະມວນຜົນໃນເວລາດຽວ
ໃນຕອນຕົ້ນ: 1024
ຕົວເລືອກນີ້ກໍານົດຂະຫນາດຂອງ "ປ່ອງຢ້ຽມ" ທີ່ຈະໃຊ້ໃນເວລາທີ່ອ່ານຂໍ້ມູນຮູບພາບ.

ໂຄງ​ການ​ນີ້​ໄດ້​ຖືກ​ລາຍ​ລັກ​ອັກ​ສອນ​ທີ່​ດີ​ກ່ຽວ​ກັບ​ການ​ນໍາ​ໃຊ້​ຄວາມ​ຊົງ​ຈໍາ​ໂດຍ​ບໍ່​ມີ​ອິດ​ທິ​ພົນ​ຜົນ​ໄດ້​ຮັບ​
ການຈັດປະເພດ. ຕົວເລືອກນີ້ອະນຸຍາດໃຫ້ຜູ້ໃຊ້ສາມາດຄວບຄຸມຈໍານວນຫນ່ວຍຄວາມຈໍາທີ່ໃຊ້ໄດ້. ເພີ່ມເຕີມ
ໜ່ວຍຄວາມຈຳອາດໝາຍເຖິງການເຮັດວຽກໄວ (ຫຼືຊ້າກວ່າ) ຂຶ້ນກັບຄວາມຈຳທີ່ແທ້ຈິງຂອງເຈົ້າຫຼາຍປານໃດ
ເຄື່ອງມີແລະຫຼາຍປານໃດຫນ່ວຍຄວາມຈໍາ virtual ທີ່ໂຄງການໃຊ້.

ຂະ​ຫນາດ​ຂອງ submatrix ນໍາ​ໃຊ້​ໃນ​ການ segmenting ຮູບ​ພາບ​ທີ່​ມີ​ຫນ້າ​ທີ່​ຫຼັກ​ການ​ຂອງ​
ການຄວບຄຸມການນໍາໃຊ້ຫນ່ວຍຄວາມຈໍາ; ແນວໃດກໍ່ຕາມ, ມັນຍັງສາມາດມີຜົນກະທົບ subtle ກ່ຽວກັບຄຸນນະພາບຂອງ
ການແບ່ງສ່ວນໃນຮູບແບບ smap. ຕົວກໍານົດການ smoothing ສໍາລັບ smap segmentation ແມ່ນ
ຄາດຄະເນແຍກຕ່າງຫາກສໍາລັບແຕ່ລະ submatrix. ເພາະສະນັ້ນ, ຖ້າຫາກວ່າຮູບພາບມີພາກພື້ນທີ່ມີ
ພຶດຕິກຳທີ່ແຕກຕ່າງທາງດ້ານຄຸນນະພາບ, (ເຊັ່ນ: ປ່າທຳມະຊາດ ແລະ ການກະເສດທີ່ມະນຸດສ້າງຂຶ້ນ
ທົ່ງນາ) ມັນອາດຈະເປັນປະໂຫຍດທີ່ຈະໃຊ້ submatrix ຂະຫນາດນ້ອຍພຽງພໍເພື່ອໃຫ້ກ້ຽງທີ່ແຕກຕ່າງກັນ
ພາລາມິເຕີອາດຈະຖືກນໍາໃຊ້ສໍາລັບແຕ່ລະພາກພື້ນທີ່ໂດດເດັ່ນຂອງຮູບພາບ.

ຂະໜາດຍ່ອຍບໍ່ມີຜົນກະທົບກັບການປະຕິບັດຂອງວິທີການແບ່ງສ່ວນ ML.

ຜົນຜະລິດ=ຊື່
ຜົນຜະລິດແຜນທີ່ raster.
ຊື່ຂອງແຜນທີ່ raster ທີ່ຈະປະກອບມີຜົນໄດ້ຮັບການຈັດປະເພດ. ໃໝ່ນີ້
ຊັ້ນແຜນທີ່ raster ຈະມີໝວດໝູ່ທີ່ສາມາດກ່ຽວຂ້ອງກັບໝວດໝູ່ໜ້າດິນ
ເທິງ​ພື້ນ.

ໂຕ້ຕອບ MODE

ຖ້າບໍ່ມີຂໍ້ໂຕ້ແຍ້ງໃດຖືກລະບຸໄວ້ໃນເສັ້ນຄຳສັ່ງ, i.smap ຈະໂຕ້ຕອບ
ເຕືອນສໍາລັບຊື່ຂອງແຜນທີ່ແລະໄຟລ໌.

ຫມາຍເຫດ

ສູດການຄິດໄລ່ SMAP ຂຸດຄົ້ນຄວາມຈິງທີ່ວ່າ pixels ໃກ້ຄຽງໃນຮູບພາບມີແນວໂນ້ມທີ່ຈະມີ
ຊັ້ນດຽວກັນ. ມັນ​ເຮັດ​ວຽກ​ໂດຍ​ການ segmenting ຮູບ​ພາບ​ໃນ​ຂະ​ຫນາດ​ຕ່າງໆ​ຫຼື​ຄວາມ​ລະ​ອຽດ​ແລະ​ການ​ນໍາ​ໃຊ້​
ການແບ່ງສ່ວນຂະໜາດຫຍາບເພື່ອແນະນຳການແບ່ງສ່ວນຂະໜາດທີ່ລະອຽດກວ່າ. ນອກ​ຈາກ​ນັ້ນ
ການຫຼຸດຜ່ອນຈໍານວນຂອງການຈັດປະເພດທີ່ບໍ່ຖືກຕ້ອງ, algorithm SMAP ໂດຍທົ່ວໄປຈະຜະລິດ
ການແບ່ງສ່ວນທີ່ມີພື້ນທີ່ເຊື່ອມຕໍ່ທີ່ໃຫຍ່ກວ່າຂອງຫ້ອງຮຽນຄົງທີ່ເຊິ່ງອາດຈະເປັນປະໂຫຍດໃນບາງອັນ
ຄໍາຮ້ອງສະຫມັກ.

ຈໍານວນຂອງການກ້ຽງທີ່ປະຕິບັດໃນ segmentation ແມ່ນຂຶ້ນກັບພຶດຕິກໍາ
ຂອງ​ຂໍ້​ມູນ​ໃນ​ຮູບ​ພາບ​. ຖ້າຂໍ້ມູນແນະນໍາວ່າ pixels ໃກ້ຄຽງມັກຈະປ່ຽນຊັ້ນ,
ຫຼັງ​ຈາກ​ນັ້ນ​, ສູດ​ການ​ຄິດ​ໄລ່​ຈະ​ປັບ​ຫຼຸດ​ຜ່ອນ​ຈໍາ​ນວນ​ຂອງ​ການ​ຫຼຸດ​ຜ່ອນ​ຄວາມ​ກ້ຽງ​. ນີ້ຮັບປະກັນວ່າ
ພາກພື້ນຂະຫນາດໃຫຍ່ເກີນໄປບໍ່ໄດ້ຖືກສ້າງຕັ້ງຂຶ້ນ.

ລະດັບຂອງການຈັດປະເພດທີ່ບໍ່ຖືກຕ້ອງສາມາດຖືກສືບສວນດ້ວຍຄວາມດີຂອງແຜນທີ່ຜົນຜະລິດທີ່ເຫມາະສົມ.
ຄ່າທີ່ຕໍ່າກວ່າສະແດງເຖິງຄວາມເໝາະສົມທີ່ດີຂຶ້ນ. ທີ່ໃຫຍ່ທີ່ສຸດ 5 ຫາ 15% ຂອງມູນຄ່າຄວາມດີອາດຈະຕ້ອງການ
ບາງ​ການ​ກວດ​ກາ​ຢ່າງ​ໃກ້​ຊິດ​.

ໂມດູນ i.smap ບໍ່ຮອງຮັບ MASKed ຫຼື NULL cells. ດັ່ງນັ້ນ, ມັນອາດຈະມີຄວາມຈໍາເປັນ
ເພື່ອສ້າງສໍາເນົາຜົນການຈັດປະເພດໂດຍໃຊ້ egrmapcalc:

r.mapcalc "MASKed_map = classification_results"

EXAMPLE

ການຈັດປະເພດທີ່ມີການຄວບຄຸມດູແລຂອງ LANDSAT
g.region raster=lsat7_2002_10 -p
# ເກັບຮັກສາ VIZ, NIR, MIR ເຂົ້າໄປໃນກຸ່ມ / ກຸ່ມຍ່ອຍ
i.group group=my_lsat7_2002 ກຸ່ມຍ່ອຍ=my_lsat7_2002 \
input=lsat7_2002_10,lsat7_2002_20,lsat7_2002_30,lsat7_2002_40,lsat7_2002_50,lsat7_2002_70
# ໃນປັດຈຸບັນ digitize ເຂດການຝຶກອົບຮົມ "ການຝຶກອົບຮົມ" ກັບ digitizer ໄດ້
# ແລະປ່ຽນເປັນຮູບແບບ raster ກັບ v.to.rast
v.to.rast input=training output=training use=cat label_column=ປ້າຍກຳກັບ
# ຄິດໄລ່ສະຖິຕິ
i.gensigset trainingmap=ກຸ່ມການຝຶກອົບຮົມ=my_lsat7_2002 subgroup=my_lsat7_2002 \
signaturefile=my_smap_lsat7_2002 maxsig=5
i.smap group=my_lsat7_2002 ກຸ່ມຍ່ອຍ=my_lsat7_2002 signaturefile=my_smap_lsat7_2002 \
output=lsat7_2002_smap_classes
# ກວດ​ເບິ່ງ​ຜົນ​ໄດ້​ຮັບ​
d.mon wx0
d.rast.leg lsat7_2002_smap_classes
# ກວດສອບຜົນສະຖິຕິ
r.kappa -w classification=lsat7_2002_smap_classes ອ້າງອີງ=ການຝຶກອົບຮົມ

ຂໍ້ມູນອ້າງອິງ

· C. Bouman ແລະ M. Shapiro, "ການແບ່ງສ່ວນຮູບພາບຫຼາຍຮູບຫຼາຍສີໂດຍໃຊ້ Multiscale
ຮູບແບບຮູບພາບ", Proc of IEEE Int'l Conf. on ສຽງ., Speech ແລະ Sig Proc., pp
III-565 - III-568, San Francisco, California, ວັນທີ 23-26 ມີນາ 1992.

· C. Bouman ແລະ M. Shapiro 1994, "A Multiscale Random Field Model for Bayesian Image
ການແບ່ງສ່ວນ", IEEE Trans. on ຮູບພາບ ການ​ປຸງ​ແຕ່ງ., 3(2) 162-177 " (PDF)

· McCauley, JD ແລະ BA Engel 1995, "ການປຽບທຽບການແບ່ງສ່ວນຂອງສາກ: SMAP, ECHO
ແລະຄວາມເປັນໄປໄດ້ສູງສຸດ", IEEE Trans. on ພູມສາດ ແລະ ຫ່າງໄກສອກຫຼີກ ການຮັບຮູ້, 33(6):
1313-1316.

ໃຊ້ i.smapgrass ອອນໄລນ໌ໂດຍໃຊ້ບໍລິການ onworks.net