i.maxlikgrass - クラウドでオンライン

プログラム：

NAME

i.マックスリク - 画像データ内のセルの分光反射率を分類します。
分類は、次のいずれかによって生成されたスペクトル署名情報に基づいて行われます。
i.cluster、g.gui.iclass、または i.gensig。

KEYWORDS

画像、分類、最尤法分類、MLC

SYNOPSIS

i.マックスリク
i.マックスリク - 助けて
i.マックスリク グループヘッド=名 サブグループ=名 署名ファイル=名 出力=名 [拒否する=名]
[-上書きする] [-助けます] [-詳細] [-静かな] [-ui]

フラグ：
-上書き
出力ファイルが既存のファイルを上書きできるようにする

- 助けて
使用状況の概要を印刷する

-詳細
冗長モジュール出力

- 静かな
静かなモジュール出力

--ui
GUIダイアログを強制的に起動する

パラメーター：
グループヘッド=名 [必要]
入力画像グループの名前

サブグループ=名 [必要]
入力画像サブグループの名前

署名ファイル=名 [必要]
署名を含む入力ファイルの名前
i.cluster、g.gui.iclass、または i.gensig のいずれかによって生成される

出力=名 [必要]
分類結果を保持する出力ラスター マップの名前

拒否する=名
拒否しきい値の結果を保持する出力ラスター マップの名前

DESCRIPTION

i.マックスリク 最尤法判別分析分類器です。 使用できるのは、
教師なし画像分類または教師あり画像分類の XNUMX 番目のステップを実行します。

いずれの画像分類方法も XNUMX つのステップで実行されます。 の最初のステップ
教師なし画像分類は次のように実行されます。 i.クラスター; の最初のステップ
教師あり分類はGRASSプログラムによって実行されます g.gui.iclass。 両方の場合において、
画像分類手順の XNUMX 番目のステップは、次のように実行されます。 i.マックスリク.

教師なし分類では、最尤分類器はクラスターを使用します。
からの平均行列と共分散行列 i.クラスター 署名ファイルを決定するための
カテゴリ (スペクトル クラス) 画像内の各セルが属する確率が最も高くなります。
教師付き画像分類では、最尤法分類器は領域を使用します。
によって生成されたスペクトル署名ファイルからの平均行列と共分散行列 g.gui.iclass,
ユーザーが選択した領域 (画像ピクセルのグループ) に基づいて、どの領域に適用するかを決定します。
画像内の各セルが属するカテゴリに属する​​確率が最も高くなります。

いずれの場合も、次のように出力されるラスター マップは、 i.マックスリク 各セルが分類された画像です。
スペクトル クラス (つまり、カテゴリ) に割り当てられています。 スペクトルクラス
(カテゴリ) は、地上の特定の土地被覆タイプに関連付けることができます。

注意事項

最尤法分類器は、各クラスのスペクトル シグネチャが次のように仮定されます。
各バンド ファイルの (カテゴリ) は正規分布します (つまり、本質的にガウス分布です)。
アルゴリズムなど i.クラスター, g.gui.iclassまたは i.gensigただし、署名を作成することはできます
有効な分散ではありません (おそらく、 g.gui.iclass)。 このようなことが起こった場合、 i.マックスリク
それらは拒否され、警告メッセージが表示されます。

署名ファイル (署名ファイル) には、次のクラスター行列と共分散行列が含まれます。
GRASSプログラムによって計算される i.クラスター (または領域平均と共分散行列
によって生成されます g.gui.iclass、ユーザーが監視付き分類を実行する場合)。 これらのスペクトル
シグネチャは、画像ピクセルが属するカテゴリ (クラス) を決定するものです。
分類プロセス中に割り当てられます。

オプションの名前 拒否する ラスター マップには拒否しきい値の結果が保持されます。 これは
さまざまなしきい値レベルでの各判別結果に対するカイ二乗検定の結果
信頼度を使用して、各セルがどの信頼レベルで分類 (分類) されたかを決定します。 それは
拒否しきい値マップ レイヤー。計算された XNUMX つの信頼レベルへのインデックスが含まれます。
分類された画像内の分類されたセルごとに。 16 個の信頼区間が事前に定義されています。
そして拒否マップは 1 = 保持、16 = 拒否として解釈されます。 可能性のあるものの XNUMX つ
このマップ レイヤーは、分類された画像内のセルを識別するためのマスクとして使用されます。
正しいクラスに割り当てられる確率が低い (拒否インデックスが高い)。

実施例

LANDSAT サブシーンの教師なし分類の XNUMX 番目の部分 (VIZ、NIR、MIR)
チャンネル）ノースカロライナ州（を参照） i.クラスター 例の最初の部分についてはマニュアルページを参照してください):
# ここでは i.cluster によって作成された署名ファイルを使用します
i.maxlik グループ=lsat7_2002 サブグループ=lsat7_2002 \
署名ファイル=sig_cluster_lsat2002 \
出力=lsat7_2002_cluster_classes拒否=lsat7_2002_cluster_reject
# 結果を視覚的に確認する
d.mon wx0
d.rast.leg lsat7_2002_cluster_classes
d.rast.leg lsat7_2002_cluster_reject
# 指定されたレベルで拒否されたピクセルの数を確認します
r.report lsat7_2002_cluster_reject 単位=k,p
# オプションで、高レベルの除去を持つピクセルをフィルターで除外します
# ここでは、拒否確率の少なくとも 90% のピクセル、つまりカテゴリ 12 ～ 16 を削除します。
r.mapcalc "lsat7_2002_cluster_classes_filtered = \
if(lsat7_2002_cluster_reject <= 12、lsat7_2002_cluster_classes、null())"

入力データのRGB合成

ピクセルが分類された出力ラスター マップ (10 クラス)

棄却確率値 (ピクセル分類信頼度) を含む出力ラスター マップ
レベル）

onworks.net サービスを使用してオンラインで i.maxlikgrass を使用する