Структурное дешифрирование

[AndreyL]

Обработка мультиспектральных более менее разработана, много методов и т.д. Но все завязано на то, что разные объекты имеют различные спектральные отражающие характеристики. А есть ли какие-то методы классификации панхромов. По идее, здесь должен учитываться характер изменения яркости. А вот как это учитывается?

[alexandr cherepanov]

структурное - это из области геологии

то о чем пишете это классификация по текстурным признакам - ее можно использовать как для мультиспектральных так и для панхромов. Как правило при таких классификациях используется как яркостная информация так и текстурный рисунок

посмотрите продукт - eCognition
в ENVI 4.4 будет новый модуль
в последнем ERDAS тоже имеется - Feature Analyst

[AndreyL]

то о чем пишете это классификация по текстурным признакам

Да, именно, извиняюсь за безграмотность. А почитать по этому поводу чего-нибудь можно? Модули это хорошо, но теорию тоже бы хотелось.

[alexandr cherepanov]

с литературой по такой тематике всегда проблема
с eCognition идет неплохой help на английском, в нем есть документ, в котором раскрываются Концепция и методы работы продукты (51 страничка).

если демо версии нету то могу выслать этот документ.

вот еще кое какая инфа
http://www.definiens.com/resource-center_61_24_0.html

[AndreyL]

А где можно взять демо-версию?

[alexandr cherepanov]

может на http://www.definiens.com/ есть
Дата+ тоже вроде когда то продавала, может у них есть.

у меня только help остался

[AndreyL]

посмотрите продукт - eCognition
в ENVI 4.4 будет новый модуль
в последнем ERDAS тоже имеется - Feature Analyst

Не-а! В дистрибутиве ENVI 4.4 (с сайта производителя) этого модуля (Feature Extraction) нет. Кто нибудь его вообще видел?

[alexandr cherepanov]

есть
уже бегло смотрел его

вынесен полностью в ENVI Zoom

[Анна]

кстати, буквально через три недели будет проведен мастер-класс по eCognition - притом напрямую специалистами из Definiens (Мюнхенский офис). Будут рассказывать об использовании этого продукта, его возможностях и многое другое.
Если есть интерес принять участие - то детали вот здесь
http://www.gisa.ru/41475.html и на сайте www.surcon.ru

[AndreyL]

alexandr cherepanov! Спасибо огромное! Нашел! Блин, никогда бы не подумал, да и не дергал никогда эту штуку. А ENVI Zoom случаем не фришный? Это же, по моему, просто броузер.
Анна! Про eCognition вопрос пока висячий – есть ли смысл покупать и осваивать новое программное обеспечение, если все можно сделать на старом? С двухдневного мастер-класса, как показывает опыт, толку мало, если никогда не видел саму программу.

[AndreyL]

Попробовал на скору руку на панхроме. Получил классификацию по фототону, и то коряво – половина шоссе есть, половины нет. Может быть, перед этим какие-нибудь фильтры к исходному снимку добавить? Текстурные, адаптивные или морфологические. По идее, с помощью фильтров панхром можно так отобразить, что все элементы невооруженным глазом видно будет. Меня то на самом деле именно этот момент интересует – при какой комбинации фильтров какие элементы лучше видны. Как работает каждый фильтр понятно (в справке можно посмотреть), хотелось бы рекомендации более опытных коллег.

[AndreyL]

Подниму тему. Попробовал поработать с Feature Extraction. Если я правильно понял, то идеология этих объект-ориентированных систем примерно такая. Сначала делим весь рисунок на маленькие участки с близкими спектрально-текстурными характеристиками. На выходе получаем много полигончиков (объектов), а у полигончиков есть не только цвет и текстура, но и длина, площадь и т.д. Так просто расширяется признаковое пространство. Потом классифицируем эти полигончики. Идеальный инструмент для оцифровки карт, особенно тематических. На снимках самолеты и отдельные деревья прекрасно видно, здания и дороги тоже. Все эти объекты действительно характеризуются близкими спектральными характеристиками, поэтому на стадии разделения образуют единые или сближенные (спектрально) объекты.
В геологии задача прямо противоположная – структуры выделяются не по одинаковым характеристикам, а по переходам. Слоистая толща, например, характеризуется чередованием затемненных и осветленных полос, причем изменение интенсивности может быть и по простиранию, просто вкрест оно контрастнее и пространственный масштаб другой. Те же дайки видно не потому, что они белые или черные, а потому, что белое и черное рядом. Автомат делит их на два объекта, и объяснить ему, что это один объект невозможно.

[andreichernov]

Здравствуйте!

Общий принцип классификации по текстурным признаком - 2 этапа
1 этап - преобразование в промежуточное изображение - признак, где в каждофй точке стоит признак - "степень текстурности заданного типа"
2 этап - классификация по промежуточному изображению. Его Вы можете делать стандартными классификаторами.

"Текстура" - слишком общее понятие, оно включает регулярные текстуры (типа изображение структуры ткани) и стохастические (например изображение минералов - "мелкое зерно" и "крупное").
В случае стохастических текстур в качестве изображения-признака используется к.л. стохастические характеристики - начать можно с локальной дисперсии по окну.
В случае регулярных Вам надо "ловить регулярность" - фильтр по направлению или по периодичности.

Ключевые слова для поиска - анализ текстур, Texture analysis.

С уважением, Андрей Чернов.

[AndreyL]

Да, это понятно, что сначала нужно добавить к изображению несколько его фильтров, а потом уже классифицировать. Я то писал про объект-ориентарованную классификацию. Но меня интересует именно текстурная тема – фильтров всяких сколько угодно, у них еще есть параметры – у текстурных, например, размер окна. А вот как это можно применять к геологическим структурам? Какие фильтры в каких случаях как применяются и почему?