i.maxlikgrass - онлайн у хмарі

ПРОГРАМА:

ІМ'Я

i.maxlik - Класифікує спектральні коефіцієнти комірки в даних зображення.
Класифікація заснована на інформації про спектральні сигнатури, створеної будь-яким
i.cluster, g.gui.iclass або i.gensig.

КЛЮЧОВІ СЛОВА

зображення, класифікація, класифікація максимальної правдоподібності, MLC

СИНТАКСИС

i.maxlik
i.maxlik --допомога
i.maxlik група=ім'я підгрупа=ім'я файл підпису=ім'я вихід=ім'я [відкидати=ім'я]
[--перезаписати] [--допомога] [--докладний] [--тихий] [--ui]

Прапори:
--перезаписати
Дозволити вихідним файлам замінювати наявні файли

--допомога
Роздрукувати підсумок використання

-багатослівний
Детальний вихід модуля

--спокійно
Тихий вихід модуля

--ui
Примусово запустити діалогове вікно графічного інтерфейсу

Параметри:
група=ім'я [вимагається]
Назва вхідної групи зображень

підгрупа=ім'я [вимагається]
Назва підгрупи вхідних зображень

файл підпису=ім'я [вимагається]
Ім'я вхідного файлу, що містить підписи
Генерується i.cluster, g.gui.iclass або i.gensig

вихід=ім'я [вимагається]
Ім'я вихідної растрової карти, що містить результати класифікації

відкидати=ім'я
Ім’я вихідної растрової карти, що містить порогові результати відхилення

ОПИС

i.maxlik є класифікатором дискримінантного аналізу максимальної ймовірності. Це можна використовувати для
виконайте другий крок у класифікації зображень без нагляду чи контролю.

Будь-який метод класифікації зображень виконується в два етапи. Перший крок в
неконтрольована класифікація зображень виконується i.cluster; перший крок в а
контрольована класифікація виконується програмою GRASS g.gui.iclass. В обох випадках
другий крок у процедурі класифікації зображень виконується i.maxlik.

У неконтрольованій класифікації класифікатор максимальної правдоподібності використовує кластер
середніх і коваріаційних матриць з i.cluster файл підпису, щоб визначити, до якого
категорія (спектральний клас) кожна клітинка на зображенні має найвищу ймовірність належності.
У класифікації контрольованих зображень класифікатор максимальної правдоподібності використовує регіон
середніх і коваріаційних матриць із файлу спектральних сигнатур, згенерованого g.gui.iclass,
на основі областей (груп пікселів зображення), обраних користувачем, щоб визначити до яких
категорія кожна клітинка на зображенні має найвищу ймовірність належності.

У будь-якому випадку, растрова карта виводиться за допомогою i.maxlik є засекреченим зображенням, на якому кожна клітинка
було віднесено до спектрального класу (тобто до категорії). Спектральні класи
(категорії) можуть бути пов’язані з конкретними типами ґрунтового покриву на місцевості.

ПРИМІТКИ

Класифікатор максимальної правдоподібності передбачає, що спектральні сигнатури для кожного класу
(категорія) у кожному файлі діапазону нормально розподілені (тобто мають гауссовий характер).
Алгоритми, наприклад i.cluster, g.gui.iclassабо i.gensig, однак, може створювати підписи
які не є дійсними поширеними (скоріше з g.gui.iclass). Якщо це станеться, i.maxlik
відхилить їх і відобразить попередження.

Файл підпису (файл підпису) містить кластерні та коваріаційні матриці, які були
розраховано за програмою GRASS i.cluster (або матриці середніх і коваріаційних областей
породжений g.gui.iclass, якщо користувач запускає контрольовану класифікацію). Ці спектральні
Сигнатури визначають категорії (класи), до яких будуть належати пікселі зображення
призначаються під час процесу класифікації.

Додаткова назва a відкидати растрова карта містить порогові результати відхилення. Це
результат тесту хі-квадрат для кожного дискримінантного результату на різних порогових рівнях
впевненість, щоб визначити, на якому рівні довіри кожна клітинка класифікована (класифікована). це є
шар карти порогових значень відхилення та містить індекс до одного розрахованого рівня достовірності
для кожної класифікованої клітинки на засекреченому зображенні. попередньо визначено 16 довірчих інтервалів,
і карту відхилення слід інтерпретувати як 1 = зберегти і 16 = відхилити. Одне з можливих
Цей шар карти використовує як маску, щоб ідентифікувати клітинки в класифікованому зображенні, які мають
низька ймовірність (високий індекс відхилення) віднесення до правильного класу.

приклад

Друга частина неконтрольованої класифікації підсцени LANDSAT (VIZ, NIR, MIR
канали) у Північній Кароліні (див i.cluster сторінка посібника для першої частини прикладу):
# використовуючи тут файл підпису, створений i.cluster
i.maxlik group=lsat7_2002 subgroup=lsat7_2002 \
signaturefile=sig_cluster_lsat2002 \
вихід=lsat7_2002_cluster_classes відхилити=lsat7_2002_cluster_reject
# візуально перевірити результат
д.пн wx0
d.rast.leg lsat7_2002_cluster_classes
d.rast.leg lsat7_2002_cluster_reject
# подивіться, скільки пікселів було відхилено на заданих рівнях
r.report lsat7_2002_cluster_reject units=k,p
# за бажанням, відфільтруйте пікселі з високим рівнем відхилення
# тут ми видаляємо пікселі з принаймні 90% ймовірності відхилення, тобто категорії 12-16
r.mapcalc "lsat7_2002_cluster_classes_filtered = \
if(lsat7_2002_cluster_reject <= 12, lsat7_2002_cluster_classes, null())"

RGB-композиція вхідних даних

Вихідна растрова карта з класифікованими пікселями (10 класів)

Вихідна растрова карта зі значеннями ймовірності відхилення (довіреність класифікації пікселів
рівні)

Використовуйте i.maxlikgrass онлайн за допомогою служб onworks.net