Quels outils utilisez-vous pour la classification des données de télédétection?

Quel outil préférez-vous utiliser pour la classification des données de télédétection, par exemple la classification de l'utilisation des terres, et pourquoi ?

Quels autres outils avez-vous essayés et pourquoi avez-vous décidé de ne pas les utiliser?

J'utilise un certain nombre d'outils selon le type de classification que j'essaie d'effectuer.

Pour la classification générale non supervisée / supervisée, j'utilise ENVI , qui a de nombreuses options pour les méthodes de classification (y compris certaines méthodes plus avancées utilisant des réseaux de neurones et prenant en charge des machines à vecteurs). Il est très facile d'étendre ENVI en utilisant le langage de programmation IDL, et j'ai constaté que cela simplifie souvent l'analyse de post-classification (car vous pouvez écrire votre propre code pour le faire si nécessaire).

Si je souhaite effectuer une classification basée sur les objets (ce qui implique de segmenter l'image en objets, puis de classer ces objets, les avantages étant que vous pouvez utiliser les propriétés agrégées des objets, telles que les moyennes des bandes, la forme et la texture), j'utilise eCognition , même si j'ai également entendu dire qu'ENVI EX est bon si vous n'avez pas besoin de la puissance d'eCognition.

Si vous recherchez un logiciel gratuit, Opticks propose un certain nombre d'options de classification, même si je ne me suis jamais très bien entendu avec Opticks. De plus, Spectral Python est un très bel outil qui vous permet de charger des images dans des tableaux NumPy en Python, puis de les traiter. Il comprend un module contenant diverses méthodes de classification et est très facile à étendre.

Pour une solution SIG open source, voir ici: http://grass.osgeo.org/wiki/Image_classification Elle comprend également un petit tutoriel.

Ma découverte préférée cette année a été la boîte à outils Orfeo et le programme associé: Monteverdi.

http://orfeo-toolbox.org/otb/monteverdi.html

Beaucoup d'options pour le travail de télédétection et une documentation très utile. Oh, ai-je mentionné que c'est gratuit et os

Profitez-en, sa

Je viens de voir ce post sur le forum QGIS et j'ai pensé que je placerais ici.

Salut à tous.

Désolé pour le crossposting. Comme certains d'entre vous le savent, la suite r.li de commandes GRASS permet des analyses de paysage . Son interface est assez complexe, et est toujours en TclTk, non porté sur wxpython ou qgis. En tant que tel, il est maintenant plus difficile à utiliser qu'il ne devrait l'être et il deviendra inutilisable lorsque le support TclTk sera abandonné. La solution possible (merci Radim) est de réécrire l'interface en tant que plugin qgis python. Ce ne devrait pas être un travail énorme (nous estimons provisoirement 2-3 semaines).

La question est: y a-t-il quelqu'un qui est prêt à investir son temps ou de l'argent pour écrire un tel plugin?

Nous (Faunalia) serions heureux de vous aider si nécessaire.

Bonne chance.

http://www.faunalia.it/pc

Liste de diffusion des utilisateurs Qgis [email protected] http://lists.osgeo.org/mailman/listinfo/qgis-user

J'ai essayé les logiciels Erdas Imagine et ENVI , et je me sens incapable de dire lequel est le meilleur. Les deux peuvent classer vos images à l'aide de méthodes supervisées et non supervisées.

Jetez également un œil au logiciel SPRING, fabriqué par l'Institut national brésilien de recherche spatiale (INPE). Je ne sais pas si c'est open source mais c'est définitivement gratuit.

http://www.dpi.inpe.br/spring/english/index.html

J'ai utilisé Erdas Imagine, ENVI ITT, Idrisi Selva, PCI Geomatica. ENVI a des extensions IDL qui vous permettent de piloter des algorithmes de classification avancés tels que SVM, ANN, DT, etc. ont également un peu d'expérience sur Monteverdi, Orfeo Toolbox. C'est un logiciel très convivial. MultiSpec dispose également d'algorithmes de classification pour les images

Je n'ai pas encore de préférence (je n'ai pas essayé d'alternatives FLOSS), mais j'ai testé Feature Analyst, un plugin pour Arc *. Bien qu'inférieur à e-Cognition, il a une faible barrière à l'entrée. Il est simple à utiliser et offre une belle interface pour la classification supervisée. Vous pouvez utiliser divers "pinceaux" comme unité de détection principale, mais cela n'affecte pas le résultat autant qu'on pourrait s'y attendre. Il a également un mode batch, mais dans mon cas, il était inutile, car les rasters avaient besoin d'un ajustement individuel de l'échantillon d'entraînement pour donner de bons résultats.

J'ai essayé Erdas imagine et a fait le classement. Mais si les ensembles de règles sont donnés correctement dans la cognition électronique, cela produit un meilleur résultat que les erdas. Mais le développement des ensembles de règles est un peu complexe dans e-Cognition Developer.