Предобработка ДДЗ

[Cocodrilo]

Уточните, пожалуйста, что Вы вкладываете в понятие "подготовка для ручной векторизации"?

Ну, если очень обобщенно,то в "подготовку", как и писал выше - геопривязку и орторектификацию сцен.
А в "ручную векторизацию" - оцифровку(векторизацию) исполнителем, по данным сценам, объктов местности(возможно и рельефа - еще не в курсе) в ПО типа MapInfo, Panorama и т.п.

[Saimon]

Все тоже самое Вы можете делать и в ERDAS...

[Сергей]

Вы лучше бы все таки цель сказали...Какой масштаб картографирования.
Ихмо,выбор данных тоже не мене важен чем выбор софта...Почему именно QuickBird, его цена 21-24 $ за км квадратный (новая съемка) не очень то способствует картографированию лесничеств и т.д.
Очень важно при лесном дешифрировании угадать с датой съемки...

Рельеф просто так по оптическим данным не получить , нужна стереопара (насколько мне известно у QB нет такой возможности).

[Cocodrilo]

Наверное я совсем путано все объяснил...

Изначально начальство заинтересовалось темой "Классификации" и мне нарезали задач по подбору ПО, исходных данных и путей решения. Мой выбор был сделан в сторону ERDAS, Landsat TM/ETM+. Для подготовки к экспериментам с классификацией растительности буду пытаться делать сценам атмосферную коррекцию, геопривязку и орторектификацию по GDEM2 или SRTM4 (уже есть вопросы и мелкие проблемы), ну а затем изучение механизмов классификации.

В процессе проработки 1 темы, со стороны подкатила 2-я - несвязанная с 1-ой ! Это создание векторной полнообъектовой карты местности по космическим снимкам QB или WV. Дешифрирование и оцифровка будет производиться в панораме (я так предполагаю). А вот предобработку сцен (что в это понятие вкладываю см.выше) сначала была мысль сделать в ERDAS, но из-за стоимости выбор пал на фотомод. Это для 2-ой задачи, а первую никто не отменял и я ее сейчас изучаю.

[Сергей]

Вы извините, но как то у Вас сумбурно получается...классификация ради классификации...Labdsat , quickbird.. выбор ПО
Разбейте Вашу основную задачу на множество подзадач ..и решайте их последовательно от простой к сложной..

PS: Прежде чем перейти к автоматизированному дешифрированию ...освойте экспертный (ручками)...

[Cocodrilo]

Так я еще вчера предложил закрыть эту тему т.к. все выводы для себя сделал и определился с подзадачами. А все последующие посты только запутывают всех.

[jj_kan]

Процедура автоматической классификации довольно кропотливый процесс (идентификация и выделение масок классов, генерализация и.т.п.) с постоянной проверкой точности выходного результата.
На данный момент пытаемся минимизировать субъективное мнение эксперта при выделении того или иного класса используя именно ERDAS, у него есть хорошие инструменты для этого.
И просто нтересно, а для чего Вам при дешифрировании понадобилась ЦМР? Потому, что при повыдельной таксации (раньше был 1 разряд лесоустройства) Вам достаточно определиться с лесотаксационными выделами и прорисовать по всем правилам квартальную сеть. Это связано с требованиями арендаторов? Или проводится лесоустройство пригородных лесничеств и нужна кадастровая оценка?

[Сергей]

Думаю, ЦМР нужна была автору только для ортофототрансформирования.....
Боюсь запутать автора...но еще можно почитать о классификации с использованием дерева решений ...

[Cocodrilo]

Думаю, ЦМР нужна была автору только для ортофототрансформирования

Точно! и еще для самообразования.

Боюсь запутать автора

Не бойтесь у меня многопроцессорная и многопоточная модель мозга "Brain v0.1 beta" ну, конечно "система" бывает перегружена если одновременно решаются задачи на Delphi, ActionScript, MSSQL, FB ...

но еще можно почитать о классификации с использованием дерева решений.

Спасибо за совет, погуглю, если есть интересные ссылки, буду благодарен.

ЗЫ
__
Однако, топик непотопляемый получился

[Сергей]

Ссылок сходу не найду....

В Совзонде раньше работал Александр Черепанов...он ,как мне кажется , хорошо в этом вопросе разбирается...

ни и страница 160 Учебного пособия по програмному комплексу ENVI

[nadiopt]

а он разве там сейчас не работает?
дерево решений очень долгое, советую еще обратить внимание на метод опорных векторов, тут на гис-лабе просто отличная статья.

[Сергей]

Точно не скажу...но думаю работает.

[gamm]

NASA использует для классификации снимков деревья и нейронные сети прямого распространения. А вот SVM использовать нежелательно, уже в силу того, что обычно не выполняются условия применимости (только два класса, классы не перекрываются в спектральной области, и т.д.). Кроме того, метод не статистический и не имеет оценок достоверности, доверительных интервалов, и прочих полезных вещей.

Кстати, мы проводили эксперименты по сравнению разных методов дискриминации на "плохих" данных, SVM занял последнее место

[nadiopt]

о, а можно ссылку на публикацию? Где-то я читала, что SVM сам отбрасывает эталоны, которые ухудшают разделимость классов
и про оценку достоверности можно поподробнее? у меня образовалась каша в голове. Почему нельзя провести оценку достоверности классификации методом свм, как мы обычно делаем - случайные точки, матрица ошибок...