153ZODH / 15. cvičení

Tento článek není dokončen nebo potřebuje upravit

← předchozí cvičení • stránky předmětu • další cvičení →

Objektově orientovaná klasifikace

Osnova

Toto cvičení je zaměřeno možnosti objektově orientované klasifikace družicových snímků. V tomto ohledu navazuje na cvičení věnované klasifikaci, řizené klasifikaci a především segmentaci obrazu.

Seznam příkazů

Příprava

Nejprve nastavíme výpočetní region. Vzhledem k tomu, že je proces objektově orientované klasifikace poměrně výpočetně náročný, zvolíme menší region. V našem případě předpokládáme existenci již definované regionu uloženého jako 'ceske-budejovice-10km' (jde o region s offset 10km kolem města České Budějovice, viz návod).

 g.region region=ceske-budejovice-10km -p

projection: 1 (UTM)
zone:       33
datum:      wgs84
ellipsoid:  wgs84
north:      5439839.30457264
south:      5410176.48726338
west:       445117.66335159
east:       480328.80428671
nsres:      30.02309444
ewres:      29.99245395
rows:       988
cols:       1174
cells:      1159912

Před dalším výpočtem je vhodné obrazové kanály družicové scény, které budou vstupovat do procesu klasifikace upravit, minimálně nahradit místa bez informace hodnotou NULL - viz návod zde.

Dále potřebuje vytvořit obrazovou skupinu slouženou ze vstupních kanálů (vynechán je panchromatický kanál 'B6').

 i.group group=B input=B1,B2,B3,B4,B5,B7

Ve wxGUI je pro vytvoření skupiny dostupný specializovaný interaktivní dialog (viz obr. níže).

Segmentace a statistika obrazových kanálů

Segmentaci obrazu provedeme příkazem i.segment.

i.segment group=B out=B_segment thresh=0.02 minsize=15

Výsledek segmentace obrazu jako přípravy pro objektově orientovanou klasifikaci

Vygenerované segmenty převedeme do vektorové reprezentace modulem r.to.vect a přidáme do atributové tabulky nové sloupce 'class' a 'brightness', zároveň odstraníme nepotřebný sloupec 'label'.

# vektorizace segmentů
r.to.vect -v B_segment out=B_segment type=area

# modifikace atributové tabulky
v.db.dropcolumn B_segment col=label
v.db.addcolumn B_segment col="class int"
v.db.addcolumn B_segment col="brightness double precision"
v.db.update B_segment col=brightness value=0

Dále do atributové tabulky uložíme statistiku segmentů spojenou s jednotlivými kanály obrazové scény. Příklad pro první kanál:

v.rast.stats vector=B_segment raster=B1 column=B1

Jak ('brighness') vypočteme jako sumu středních hodnot jednotlivých kanálů:

v.db.update B_segment column=brightness qcolumn="brightness+B1_mean"

Po výpočtu můžeme nepotřebné sloupečky z atributové tabulky odstranit.

v.db.dropcolumn B_segment col=B1_n,B1_min,B1_max,B1_range,B1_cf_var,B1_sum

Statistiku můžeme spočítat dávkově pomocí grafického modeleru anebo jednoduchého skriptu v jazyce Python:

import grass.script as grass

maps = grass.read_command('i.group', group='B', flags='g', quiet=True).splitlines()

for map in maps:
    band = map.split('@', 1)[0]
    grass.message("Processing <%s>..." % band)
    grass.run_command('v.rast.stats', vector='B_segment',
                      raster=band, column=band)
    grass.run_command('v.db.update', map='B_segment',
                      column='brightness', qcolumn='brightness+%s_mean' % band)
    grass.run_command('v.db.dropcolumn', map='B_segment',
                      column='{band}_n,{band}_min,{band}_max,' \
                          '{band}_range,{band}_cf_var,{band}_sum'.format(band=band))