i.clustergrass - Online în cloud

PROGRAM:

NUME

i.cluster - Generează semnături spectrale pentru tipurile de acoperire a terenului dintr-o imagine folosind a
algoritm de grupare.
Fișierul de semnătură rezultat este folosit ca intrare pentru i.maxlik, pentru a genera un fișier nesupravegheat
clasificarea imaginilor.

CUVINTE CHEIE

imagini, clasificare, semnături

REZUMAT

i.cluster
i.cluster --Ajutor
i.cluster grup=nume subgrup=nume fişier de semnătură=nume clase=întreg [sămânţă=nume]
[probă=row_interval,col_interval] [iterații=întreg] [convergență=pluti]
[separare=pluti] [min_size=întreg] [dosar raport=nume] [-suprascrie] [-ajutor]
[--prolix] [-liniştit] [-ui]

Steaguri:
--sobrescrie
Permiteți fișierelor de ieșire să suprascrie fișierele existente

--Ajutor
Imprimați rezumatul utilizării

--verbos
Ieșire modulară

--Liniște
Ieșire silențioasă a modulului

--ui
Forțați lansarea dialogului GUI

parametri:
grup=nume [necesar]
Numele grupului de imagini de intrare

subgrup=nume [necesar]
Numele subgrupului de imagini de intrare

fişier de semnătură=nume [necesar]
Nume pentru fișierul de ieșire care conține semnăturile rezultatelor

clase=întreg [necesar]
Numărul inițial de clase
Opțiuni: 1-255

sămânţă=nume
Numele fișierului care conține semnăturile inițiale

probă=row_interval,col_interval
Intervalele de prelevare (pe rând și col); implicit: ~10,000 pixeli

iterații=întreg
Număr maxim de iterații
Mod implicit: 30

convergență=pluti
Convergență procentuală
Opțiuni: 0-100
Mod implicit: 98.0

separare=pluti
Separarea clusterelor
Mod implicit: 0.0

min_size=întreg
Număr minim de pixeli într-o clasă
Mod implicit: 17

dosar raport=nume
Numele fișierului de ieșire care conține raportul final

DESCRIERE

i.cluster efectuează prima trecere în clasificarea nesupravegheată în două treceri a imaginilor,
în timp ce modulul GRASS i.maxlik execută a doua pasă. Ambele comenzi trebuie să fie executate
completați clasificarea nesupravegheată.

i.cluster este un algoritm de clustering (o modificare a k- înseamnă algoritm de grupare)
care citește prin datele imaginilor (raster) și construiește grupuri de pixeli pe baza
reflectanțe spectrale ale pixelilor (vezi figura). Grupurile de pixeli sunt imagini
categorii care pot fi legate de tipurile de acoperire a solului. Spectrul
distribuțiile clusterelor (de exemplu, semnăturile spectrale de acoperire a terenului) sunt influențate de șase
parametrii stabiliți de utilizator. Un parametru relevant stabilit de utilizator este numărul inițial de
clustere care trebuie discriminate.

Smochin.: Țară folosință/teren acoperi clustering of LANDSAT scenă
(Simplificată)

i.cluster începe prin a genera semnături spectrale pentru acest număr de clustere și
„încearcă” să ajungă la acest număr de clustere în timpul procesului de clustering. The
numărul rezultat de clustere și distribuțiile lor spectrale sunt, totuși, de asemenea
influenţat de intervalul valorilor spectrale (valori de categorie) din fişierele de imagine şi
ceilalți parametri stabiliți de utilizator. Acești parametri sunt: ​​dimensiunea minimă a clusterului,
separarea minimă a clusterelor, procentul de convergență, numărul maxim de iterații și
intervalele de eșantionare pe rând și pe coloană.

Semnăturile spectrale ale clusterului care rezultă sunt compuse din mediile cluster și covarianța
matrici. Aceste medii de cluster și matrice de covarianță sunt utilizate în a doua trecere
(i.maxlik) pentru a clasifica imaginea. Rezultatele clusterelor sau claselor spectrale pot fi legate
pentru a ateriza tipurile de acoperire pe sol. Utilizatorul trebuie să specifice numele fișierului grupului
numele fișierului subgrupului, numele unui fișier care conține semnăturile rezultatului, numărul inițial
de clustere care trebuie discriminate și, opțional, alți parametri (a se vedea mai jos) în cazul în care
grup ar trebui să conțină fișierele de imagini pe care utilizatorul dorește să le clasifice. The subgrup is
un subset al acestui grup. Utilizatorul trebuie să creeze un grup și un subgrup rulând GRASS
program i.grup înainte de a alerga i.cluster. Subgrupul trebuie să conțină doar imaginile
fișiere de bandă pe care utilizatorul dorește să le clasifice. Rețineți că acest subgrup trebuie să conțină mai multe
decât un fișier de bandă. Scopul grupului și al subgrupului este de a colecta straturi de hărți pentru
clasificare sau analiză. The fişier de semnătură este fișierul care conține semnăturile rezultatului
care poate fi folosit ca intrare pentru i.maxlik. Valoarea claselor este numărul inițial al
clustere care trebuie discriminate; orice valori ale parametrilor rămase nespecificate sunt setate la lor
valori implicite.

parametri:
grup=nume
Numele fișierului de grup care conține fișierele de imagini pe care dorește utilizatorul
clasifica.

subgrup=nume
Numele subsetului de grup specificat în opțiunea grup, care trebuie să conțină numai
fișiere de bandă de imagini și mai mult de un fișier de bandă. Utilizatorul trebuie să creeze un grup și a
subgrup prin rularea programului GRASS i.grup înainte de a alerga i.cluster.

fişierul semnături=nume
Numele atribuit fișierului de semnătură de ieșire care conține semnăturile claselor și
poate fi folosit ca fișier de intrare pentru programul GRASS i.maxlik pentru un nesupravegheat
clasificare.

clase=valoare
Numărul de clustere care vor fi identificate inițial în procesul de clustering
înainte de a începe iterațiile.

sămânță=nume
Numele unui fișier de semnătură semințe este opțional. Semnăturile de semințe sunt semnături care
conțin medii cluster și matrice de covarianță care au fost calculate înainte de
cursa curentă a i.cluster. Ele pot fi achiziționate dintr-o rundă anterioară de i.cluster or
dintr-o secțiune a site-ului de instruire a semnăturilor de clasificare supravegheată (de exemplu, folosind
fișier de semnătură rezultat de către g.gui.iclass). Scopul semnăturilor de semințe este de a optimiza
limitele de decizie a clusterului (medii) pentru numărul de clustere specificat.

proba=row_interval,col_interval
Aceste numere sunt opționale, cu valori implicite bazate pe dimensiunea setului de date
că numărul total de pixeli care trebuie procesați este de aproximativ 10,000 (luați în considerare rotunjirea în sus).

iterații=valoare
Acest parametru determină numărul maxim de iterații care este mai mare decât
numărul de iterații estimat pentru a obține convergența procentuală optimă. Implicit
valoarea este 30. Dacă numărul de iterații atinge maximul desemnat de utilizator;
utilizatorul poate dori să ruleze din nou i.cluster cu un număr mai mare de iterații (vezi
dosar raport).
Implicit: 30

convergenta=valoare
O convergență procentuală ridicată este punctul în care mijloacele cluster devin stabile în timpul
procesul de iterație. Valoarea implicită este 98.0 la sută. Când clusterele sunt
create, mijloacele lor se schimbă constant pe măsură ce li se atribuie pixeli și mijloacele
sunt recalculate pentru a include noul pixel. După ce toate clusterele au fost create,
i.cluster începe iterații care schimbă mijloacele clusterului prin maximizarea distanțelor
între ele. Pe măsură ce acestea înseamnă schimbarea, se abordează o convergență din ce în ce mai mare.
Pentru că mijloacele nu vor deveni niciodată total statice, o convergență procentuală și un maxim
numărul de iterații este furnizat pentru a opri procesul iterativ. Procentul
convergența ar trebui atinsă înainte de numărul maxim de iterații. Dacă maximul
este atins numărul de iterații, este probabil ca procentul de convergență dorit
nu a fost atins. Numărul de iterații este raportat în statisticile cluster din
dosarul de raport (vezi dosar raport).
Implicit: 98.0

separare=valoare
Aceasta este separarea minimă sub care clusterele vor fi îmbinate în iterație
proces. Valoarea implicită este 0.0. Acesta este un număr specific imaginii (un număr „magic”)
asta depinde de datele de imagine care sunt clasificate și de numărul de clustere finale care
sunt acceptabile. Determinarea lui necesită experimentare. Rețineți că ca minim
separarea de clasă (sau cluster) este crescută, numărul maxim de iterații ar trebui
de asemenea, să fie mărite pentru a realiza această separare cu un procent ridicat de convergență
(A se vedea convergență).
Implicit: 0.0

min_size=valoare
Acesta este numărul minim de pixeli care vor fi utilizați pentru a defini un cluster și este
prin urmare numărul minim de pixeli pentru care vor fi matricele de medii și covarianță
calculat.
Implicit: 17

raportfile=nume
Fișierul raport este un parametru opțional care conține rezultatul, adică
statistici pentru fiecare cluster. Sunt incluse, de asemenea, convergența procentuală rezultată pentru
clusterele, numărul de iterații care a fost necesar pentru a realiza convergența,
și matricea de separabilitate.

NOTE

Prelevarea de probe metodă
i.cluster nu grupează toți pixelii, ci doar un eșantion (vezi parametrul probă).
rezultatul acestei grupări nu este că toți pixelii sunt alocați unui anumit cluster;
în esență, sunt generate doar semnăturile care sunt reprezentative pentru un anumit cluster.
Când alergi i.cluster pe aceleași date cerând același număr de clase, dar cu
sunt obținute dimensiuni diferite ale eșantionului, probabil semnături ușor diferite pentru fiecare grup
la fiecare alergare.

Algoritm utilizat pentru i.cluster
Algoritmul folosește parametrii de intrare stabiliți de utilizator pe numărul inițial de clustere, the
distanța minimă dintre clustere și corespondența dintre iterații care este
dorită și dimensiunea minimă pentru fiecare cluster. De asemenea, întreabă dacă toți pixelii trebuie grupați sau
fiecare „x” rând și „y” coloană (eșantionare), corespondența dintre iterații
dorit și numărul maxim de iterații care trebuie efectuate.

În prima trecere, mediile inițiale ale grupului pentru fiecare bandă sunt definite prin acordarea primei
cluster o valoare egală cu media benzii minus abaterea sa standard și ultimul cluster
o valoare egală cu media benzii plus abaterea sa standard, cu toate celelalte medii ale grupului
distribuite egal distanțate între acestea. Fiecare pixel este apoi atribuit clasei
de care este cel mai aproape, distanța fiind măsurată ca distanță euclidiană. Toate grupurile mai puțin
decât distanța minimă specificată de utilizator sunt apoi îmbinate. Dacă un cluster are mai puțin decât
numărul minim de pixeli specificat de utilizator, toți acești pixeli sunt din nou reatribuiți următorului
cel mai apropiat cluster. Noile medii de cluster sunt calculate pentru fiecare bandă ca medie a rasterului
valorile pixelilor din acea bandă pentru toți pixelii prezenți în acel cluster.

În a doua trecere, pixelii sunt apoi realocați grupurilor pe baza noilor mijloace de grup.
Mijloacele cluster sunt apoi din nou recalculate. Acest proces se repetă până când
corespondența dintre iterații atinge un nivel specificat de utilizator sau până la maximum
numărul de iterații specificat sa încheiat, oricare dintre acestea survine primul.

EXEMPLU

Pregătirea statisticilor pentru clasificarea nesupravegheată a unei subscene LANDSAT în Nord
Caroline:
g.region raster=lsat7_2002_10 -p
# stocați VIZ, NIR, MIR în grup/subgrup (lăsând afară TIR)
i.grup grup=lsat7_2002 subgrup=lsat7_2002 \
input=lsat7_2002_10,lsat7_2002_20,lsat7_2002_30,lsat7_2002_40,lsat7_2002_50,lsat7_2002_70
# generați fișierul de semnătură și raportați
i.cluster group=lsat7_2002 subgrup=lsat7_2002 \
signaturefile=sig_cluster_lsat2002 \
clase=10 reportfile=rep_clust_lsat2002.txt
Pentru a finaliza clasificarea nesupravegheată, i.maxlik este utilizat ulterior. Vezi exemplul
în pagina sa de manual.

Utilizați i.clustergrass online folosind serviciile onworks.net