Результаты незавершённой классификации с обучением.

Первая попытка показала:
- Размер образцовых площадок более 50.000 пикселов требует
  значительного времени счёта, около 10.000 пикселов в
  большинстве случаев достаточно;
- Важно учитывать известный эффект различия водных поверхностей:
  глубокая прозрачная вода холоднее мелкой и/или замутнённой -
  часть достаточно крупных водоёмов не была классифицирована.

Вторая попытка показала:
- Использование для класса водной поверхности нескольких
  разнотипных образцов заметно улучшает распознавание, но
  всё-таки не делает его достаточным. Следует ввести более
  одного класса для водных поверхностей.
  В связи с этим надо отметить предложение ввести для объектов
  типа рек атрибут "цвет" (colour of rivers) - см. самый низ
  страницы "Future schema" на сайте custom-scenery:
  http://www.custom-scenery.org/Future-schema.290.0.html
- Некоторые классы "слипаются" - вода и зона прибрежной
  растительности (даже очень чётко выделяющаяся на цветных
  снимках Google Earth/Map); жилая застройка и междугородние
  шоссейные дороги (вероятно, в этом случае в сигнатуре
  доминирует нагретый(?) асфальт).

Результат третьей попытки после четырёхпроходной фильтрации
растрового изображения был векторизован, векторные данные затем
были очищены процедурами rmarea и prune. Процесс описан на сайте
custom-scenery, см. страницу "Building-Scener":
http://www.custom-scenery.org/Building-Scener.331.0.html

Поскольку многократное сглаживание вызывало сомнение, была
опробована классификация без сглаживания растра, с исключением
панхроматического канала и использованием только "цветных"
каналов.Такая схема не привела к снижению требований на образцы
и автоматическому улучшению качества классификации.

При классификации с обучением выбор образцов требует большой
тщательности. Желательно иметь достоверные сведения о классе
образцовых площадок, просто изображений высокого разрешения
типа Google Map может оказаться недостаточно.

Отображение shp-файлов в thuban показало наложение слоёв, и
было решено построить сценарий в terragear для визуального
контроля.

Ниже даны некоторые результаты.
Текстуры Flightgear, описываемые в $FGROOT/materials.xml
отличаются от стандартных и поэтому достаточно условны.



1. По изображению от Google Earth можно ожидать, что аэродром
будет окружён площадями Grass и Crop (CropGrass?), однако Grass
отсутствует. Интересна проработка самолётных укрытий.

 



2. Поле аэродрома травяное и использовалось в центральной части
как образец.  Интересно появление песчаной площадки, площадок
default-texture, соотнесённой (НЕ в этой области) как образец с
(наиболее вероятно) сухой травой/кустарником, и классификацией
шоссе как жилой застройки.

 



3. Область не содержит образцов, хорошо проработаны лесные и травяные
площадки; видно размазывание из-за применения сглаживающих фильтров
асфальтовых рулёжных дорожек. (РД в сценарии нанесена по старым данным
низкого разрешения). Водные поверхности отсутствуют.

 



4. Часть верхней области является одним из образцов жилой застройки.
Уверенно проработана трава аэродрома, пустая часть промзоны справа
от ВПП. Снова видны трудности с проработкой водных поверхностей типа
водохранилищ.

 



5. Показана целиком зона классификации - 57.7 Х 47.3 км.
Размер определён разбросом образцовых площадок. Целевая область
была существенно меньше, масштаба apt/дпрм/твг. Скрипт на полную
площадь был запущен случайно. Это, конечно, скорее размер place
to fly, чем единичного apt. Однако он даёт хорошее понимание о
важности правильной организации работы с таким количеством данных.
Например, выходные векторные данные необходимо "сшивать" после
обработки отдельных растровых фрагментов.  #8-O





Приведённые выше данные носят исключительно экспериментальный
характер. Образцы выбраны в недостаточном для классификации всех
поверхностей количестве, достоверность привязки их к классам
также должна быть перепроверена дополнительными предварительными
проходами. Эти промежуточные результаты показывают только наличие
некоторых, хотя и довольно заметных, подвижек в начатой работе.

После выбора для данной Landsat-гранулы удовлетворительных
образцовых площадок и наложения векторных данных дорожной сети
будут добавлены описания:

- операций для векторизации растров в GRASS;
- выборе образцовых площадок;
- классификации с обучением;
- организации хранения полученных данных (это импоссибл!...)
- генерации сценария в TerraGear.

Максимально возможный по стилю канцелярит закончен:
Thu Nov  1 18:43:39 UTC 2007  v.m. 0.01. GeoFan(C)

... что-то я стал сомневаться в успехе этого безнадёжного предприятия.