Инструменты дистанционного зондирования OpenSource для классификации крыш

С помощью инструментов обработки и классификации изображений envi вы можете получить крыши из изображений с некоторым спектральным значением, а затем преобразовать их в векторные данные для своего приложения.

в Python с OpenCV , разработанным Intel (имеет множество алгоритмов обнаружения объектов), вы можете обнаруживать лица по изображениям.

Пример OpenCV:

Мой вопрос заключается в том, можем ли мы обнаружить крышу или что-либо из скоординированных или нескоординированных спутниковых изображений с помощью инструментов с открытым исходным кодом как python?

Пример спутникового изображения:

В прошлом я использовал OpenCV для обучения обнаружению объектов для гео. Orfeo Toolbox - хороший выбор с открытым исходным кодом, как отметил Vascobnunes. Для версии с закрытым исходным кодом вы можете взглянуть на Feature Analyst (который также имеет расширение ArcGIS).

В конце концов, это сводится к обучению машины опорных векторов . Есть несколько библиотек, которые вы можете использовать для большинства языков.

Это пример инструмента, который я написал несколько лет назад и который использует libsvm для обнаружения объектов дерева. Когда я нахожу, я помещаю настоящий трехмерный объект дерева туда, куда он идет.

Это видео в действии, которое я тогда разместил на YouTube .

Любая из этих библиотек позволит вам делать вещи с Python.

Я боюсь, что удовлетворительное обнаружение крыши не может быть достигнуто только с одним единственным спутниковым изображением. Вы должны попытаться использовать другие источники информации.

В следующей статье описывается метод с использованием матрицы высот + пары аэрофотоснимков + кадастровые данные:

М. Дюрупт, Ф. Тайландье. Автоматическая реконструкция здания по цифровой модели рельефа и кадастровым данным: оперативный подход. Международный архив фотограмметрии, дистанционного зондирования и наук о пространственной информации. Том 36 (часть 3), Бонн, Германия, сентябрь 2006 г.

Смотрите также другие статьи в разделе библиографии (например, этот ).

Я подозреваю, что такие методы не реализованы в программах с открытым исходным кодом Python.

Вы пробовали набор инструментов Orfeo ?

Хорошо только из одного изображения, вы можете сделать контролируемую или неконтролируемую классификацию. Попробуйте несколько раз и посмотрите, если результаты хорошие.

Лучше, как я, делал ортофотопланы из изображений. Затем у меня был след здания, поэтому я отфильтровал ландшафт от изображения. Затем я сделал классификацию пикселей и создал векторные объекты.

Если у вас есть ЦМР или стереопары, вы можете их создать. Тогда вы можете обнаружить крыши.

Кроме того, на вашем изображении изображение полно теней. Удачи в общении с ними. Таким образом, в Python я ничего не видел. Я использовал ArcGis для классификации. Но так как вы упомянули OpenSource, QGIS можно попробовать.

Последнее замечание: то, что вы спросили, является основной темой исследования, и вы должны улучшить базу данных, чтобы получить хорошие результаты. В этом случае сложно разобраться с одиночными изображениями.

Point Cloud Library - это новая библиотека с открытым исходным кодом, ее можно использовать для распознавания объектов на основе DEM или Orthophoto, хотелось бы, чтобы это помогло, но я никогда не использовал ее.