我必须开始应用分析卫星图像来识别一些人造结构。我想为此使用 C 或 Java。
对于卫星，我计划使用谷歌地图数据。
我在这里有三个问题：
- 除了谷歌地图/地球之外，什么是 GIS 数据的最佳来源。
- 考虑到我将不得不使用第三方 API，编写此类应用程序的最佳语言
- 是否有可识别人造结构的开放式图像处理引擎？
那是很多问题，但我希望这里的聪明人可以在这里帮助我。
问问题
3859 次
5 回答
3
过度处理的图像（例如 Google 或 Bing 地图）是用于执行特征提取或特征识别的可怕图像来源。通常，您希望使用相机模型获得最未经处理的原始形式......当然，如果您无法访问此类数据，那么您必须使用您拥有的数据。
谷歌地图/地球图像的一个更重要的考虑因素是你可能会违反他们的许可协议。我建议您在决定将他们的数据作为您的图像来源之前先检查一下。特别是，如果您绕过他们的 API，您就违反了他们的许可协议。
就库和语言而言，有几十个机器视觉库可用。我不能推荐其中一个，因为我只是他们结果的下游消费者。我对这个问题的理解是，最大的问题是你如何构建“模型”来比较......即你如何给系统一个你正在寻找的“例子”。
一旦你找到了一个库，你就可以对语言做出决定。通常，此类原型设计使用 Python 或 Matlab 等高级语言。一旦找到一种方法，就可以转换为“更高性能”的语言——如果有必要的话。
就个人而言，我可能会使用 Python，因为 (1) 它可以免费获得，(2) 在科学和研究领域拥有重要的社区，以及 (3) 可以与多种语言和平台进行互操作。
于 2009-11-02T21:04:09.753 回答
2
具体来说，查看 Glovis：http ://glovis.usgs.gov/
您可以浏览地球，并从几个不同的卫星和传感器下载地图。即使您必须通过虚假的“订购”过程，图像也是免费的。
于 2009-10-23T16:54:17.780 回答
1
您可能会发现USGS（美国地质调查局）网站很有帮助。它们提供 GIS 信息和范围广泛的数据集。
于 2009-10-23T16:12:00.390 回答
1
我同意詹姆斯·谢克的观点。Google 为您提供 RGB 图像 - 不是对您的任务最有帮助的。大多数图像都会有几个可能更适合您的附加通道。不同的通道显示不同的特征、水、城市区域、树叶类型等。例如，红外通道可用于在凉爽的气候中挑选建筑物。如果您联系多个数据提供商，他们可能会推荐在他们的数据中使用的最佳渠道。
对于详细的世界数据库，Ariel 图像可以是巨大的、数 TB 的数据。仔细考虑您需要处理多少信息。如果你只做几平方英里，性能不是问题。如果您要处理数千平方英里，性能就会成为一个问题。处理数百万，性能是关键任务，必须从第一天开始考虑。
了解您需要处理的通道数量、性能要求和数据的文件格式后，请四处寻找满足您所有要求的库。其中许多是用 C/C++ 编写的，因此使用与它们互操作的语言可能会有所帮助
于 2009-11-03T03:43:38.173 回答
0
看看这个演示： 在多光谱图像中寻找植被，是MATLAB 中图像处理工具箱的一部分。它与您分析卫星图像以查找特定模式的问题有关。
我相信这是一个很好的例子，说明您可以使用 MATLAB 使用很少的代码轻松实现。
于 2009-11-03T04:19:11.770 回答