Saya akan merekomendasikan menggunakan segmentasi gambar dengan perangkat lunak SPRING gratis , tersedia dari Institut Nasional Brasil untuk Penelitian Ruang Angkasa. Dokumentasi tersedia di sini dan tutorial tersedia di sini . Segmentasi gambar menghasilkan akurasi klasifikasi tinggi dibandingkan dengan metode klasifikasi murni berbasis pixel (mis. ISODATA, Maximum Likelihood, dll.). Untuk membantu menjelaskan jawaban saya dengan lebih baik, saya melakukan segmentasi gambar pada pencitraan (resolusi NIR, 1m) yang memiliki jalan melintasi rangeland di Oregon bagian timur. Alur kerja umum untuk melakukan segmentasi gambar dengan SPRING adalah sebagai berikut:
- Impor citra
- Lakukan segmentasi (Hasil yang ditunjukkan pada gambar 1)
- Buat set pelatihan dengan memilih daerah mana yang termasuk kelas mana.
- Lakukan klasifikasi pada daerah tersegmentasi.
Gambar pertama menunjukkan hasil segmentasi yang sebenarnya. Jalan disorot dengan warna biru dan digunakan selama langkah 3 (pelatihan). Saya menggabungkan semua kelas lain (misalnya rumput, pohon, dll) ke dalam kategori lain. Gambar akhir menunjukkan hasil segmentasi gambar dan algoritma klasifikasi. Seperti yang Anda lihat, segmentasi gambar menghasilkan hasil yang sangat baik dengan pencitraan sampel.
Dengan citra Landsat, Anda akan memiliki resolusi spasial yang lebih sedikit daripada citra sampel saya, namun Anda akan memiliki resolusi spektral yang lebih besar dan dengan demikian akan dapat mendeteksi perbedaan yang lebih besar antara area yang bervegetasi dan yang tidak bervegetasi. Karena SPRING memperhitungkan pita spektral akun selain bentuk, Anda akan melihat hasil yang sangat baik menggunakan citra Landsat Anda. Semoga sukses dan terima kasih telah meneliti topik penting ini.