آموزش جامع طبقه بندی شی گرا با نرم افزار ایکاگنیشن

توضیحات

1. در این محصول آموزشی به صورت پروژه محور و بنیادی به طبقه بندی تصاویر ماهواره ای و عکس های هوایی با استفاده از روش های شیءگرا پرداخته شده است
2. در این محصول آموزشی انواع روش های مختلف طبقه بندی شیءگرا به صورت پروژه محور توضیح داده شده است.
3. آیا میدانید نرم افزار eCognition قوی ترین نرم افزار طبقه بندی تصاویر ماهواره ای میباشد؟
4. آیا میدانید این نرم افزار در صورت رعایت قوانین مختلف آن بهترین نتایج طبقه بندی را در پروژه های مختلف ایجاد می کند؟
5. آیا با اعمال بیش از 100 قانون و رول مختلف بر روی تصاویر ماهواره ای به منظور طبقه بندی اشنایی دارید؟
6. آیا با تئوری شیءگرایی و روش های مختلف آن آشنایی دارید؟
7. آیا با روش های طبقه بندی به روش آستانه گذاری آشنایی دارید؟
8. آیا با روش طبقه بندی به روش نزدیکترین همسایه اشنایی دارید؟
9. آیا با طبقه بندی با استفاده از اطلاعات شیب آشنایی دارید؟
10. آیا با طبقه بندی با استفاده از اطلاعات هندسی و طیفی آشنایی دارید؟
11. آیا با استخراج پدیده ها با استفاده از شکل و مساحت آن ها آشنایی دارید؟
12. آیا با طبقه بندی تصاویر با استفاده از شاخص های مختلف آشنایی دارید؟
13. آیا با اعمال بیش از 10 فیلتر بر روی تصاویر به منظور بارزسازی تصویر آشنایی دارید؟
14. آیا با اعمال بیش از 20 شاخص طیفی مختلف بر روی سنجنده لندست آشنایی دارید؟
15. آیا با جداسازی درختان و ساختمان ها با استفاده از عامل ارتفاع و شیب آشنایی دارید؟
16. آیا با روش های جداسازی سطوح غیرقابل نفوذ از قابل نفوذ آشنایی دارید؟
17. آیا با روش های مختلف شمارش درختان به روش خودکار آشنایی دارید؟
18. آیا با روش های پیدا کردن ضریب همبستگی بین پدیده های مختلف آشنایی دارید؟

طبقه بندی شی گرا با Ecognition

عناوین آموزشی

• پروژه طبقه بندی تصاویر ماهواره ای با استفاده از روش نزدیکترین همسایگی
• پروژه طبقه بندی تصاویر ماهواره ای با استفاده از آستانه گذاری های مختلف
• پروژه استخراج پهنه های آبی از تصاویر ماهواره ای با روش شیءگرا
• پروژه استخراج پوشش گیاهی از تصاویر ماهواره ای به روش شیءگرا
• پروژه استخراج سطوح غیرقابل نفوذ از تصاویر ماهواره ای با روش شیءگرا
• پروژه استخراج ساختمان ها از عکس های هوایی با روش های شیءگرا
• پروژه استخراج ضریب همبستگی پدیده های مختلف
• پروژه Tree Canopy

بخش کوتاهی از ویدئوی دوره

معرفی نرم افزار

نرم افزار eCognition یک محیط توسعه یافته مبتنی بر شیء برای انجام پردازش های مختلف بر روی تصاویر ماهواره ای و عکس های هوایی میباشد.

این نرم افزار که نرم افزاری جدید در حیطه سنجش از دور شناخته می شود با استفاده از توسعه مجموعه قوانین به تجزیه و تحلیل خودکار تصاویر ماهواره ای می پردازد.

از مزایا و ویژگی های نرم افزار می توان به:

• مجموعه ای کامل از ابزارها و پردازش های تصویر مبتنی بر شیء
• ابزارهای کامل جهت تجزیه تحلیل داده های رستری، برداری و ابرنقاط
• انتقال پردازش های صورت گرفته از محیط دسکتاپی به محیط های سازمانی
• کیت توسعه نرم افزار(SDK)
• دسترسی انلاین به مجموعه قوانین
• امکانات بسیار زیاد در حیطه طبقه بندی مبتنی بر شی،
• بهترین نرم افزار قطعه بندی و طبقه بندی تصاویر ماهواره ای موجود

اشاره نمود

بخش های آموزشی

این بسته آموزشی از چندین فصل تشکیل شده است که شامل:

در این فصل به مقدمه ای کوتاه از سنجش از دور پرداخته شده است، سعی بر این بوده است نکاتی از سنجش از دور در این بخش عنوان شود که در طول دوره از آن ها به وفور یاد شده باشد.

در فصل دوم به بررسی روش های مختلف طبقه بندی پیکسل پایه، ماشین، شیءگرا پرداختیم و در مورد تئوری و منطق این طبقه بندی ها و چه نیازهایی باعث به وجود آمدن این نوع از طبقه بندی شد پرداخته شده است، به پیش پردازش های مورد نیاز به منظور انجام فاز طبقه بندی پرداخته شده است.

در فصل سوم به بررسی روش های شیءگرایی پرداخته شده است و در مورد تئوری روش های قطعه بندی تصاویر، روش های طبقه بندی تصاویر، منطق روش های شیءگرا، تاریخچه آن ها و بسیاری از نکات ارزشمند دیگر در این فصب مورد بحث قرار گرفته است.

در فصل چهارم به ارزیابی نتایج طبقه بندی و تئوری و منطق آن ها پرداخته شده است به بحث در مورد دقت کلی، ضریب کاپاف انواع خطاهای موجود، داده های زمینی، و روش های مختلف برطرف کردن خطاها پرداخته شده است.

در فصل پنج این آموزش به شروع کار با نرم افزار پرداخته شده است. به آموزش نصب ان و مقدمه ای کوتاه و کلی در مورد نرم افزار، اشنایی اجمالی با محیط آن و پارامترهای مربوط به آن پرداخته شده است.

در فصل 6 به بررسی روش های مختلف قطعه بندی به صورت عملی پرداخته شده است. انواع روش های موجود در آن شرح داده شده است و به صورت عملی در نرم افزار انجام شده است.

در این فصل به بحث در مورد طبقه بندی نزدیکترین همسایه پرداخته شده است. از جمله قابلیت های این نرم افزار طبقه بندی به روش نزدیکترین همسایه میتوان اشاره کرد که به بهترین شکل ممکت با استفاده از ابزارها و قواعد مختلف به طبقه بندی تصاویر مورد نظر می پردازد.

در این فصل به استخراج اطلاعات پرداخته شده است، به نحوه استخراج پهنه های ابی از یک تصویر به صورت کاملا پروژه محور. در این بخش سعی بر این بوده است پهنه های ابی به صورت کاملا دقیق و با دقت بسیار بالا استخراج شده و به عنوان یک شیپ فایل از آن خروجی گرفته شود.

در فصل نه به طبقه بندی با استفاده از استانه گذاری پرداخته شده است. استانه گذاری در نرم افزار به صورتی میباشد که با استفاده از قواعد مختلف موجود در ان میتوان از ویزگی های مختلف به منظور استانه گذاری استفاده کرد و یک طبقه بندی با دقت بالا را بر اساس استانه مختلف ایجاد نمود.

در این بخش از مجموعه آموزشی به بحث در مورد فیلترهای مختلف در نرم افزار پرداخته شده است. فیلترها از جمله ابزارهایی هستند که در این نرم افزار به صورت جامع وجود دارند.

در این فصل به بررسی شاخص های مختلف در زمینه های مختلف پرداخته شده است. همچنین به توضیح کاربرد ابزار Layer Arithmetic’s در زمینه ایجاد شاخص ها و فرمول نویسی بر روی این ابزار پرداخته شده است

در این فصل به استخراج ساختمان ها با استفاده از قواعد پیشرفته پرداخته شده است . استخراج ساختمان ها از جمله مواردی است که در مسائل شهری بسیار پر کاربرد میباشد و در این نرم افزار در کمترین زمان و بهترین دقت این کار انجام شده است که به صرفه جویی در وقت و هزینه در انجام کارهای شهری منجر میشود. پارامترهای بسیار زیاد و جدیدی در این بخش از اموزش مورد بحث و بررسی قرار گرفته است به نحوی که میتوان گفت از بسیاری از ابزارهای موجود در این نرم افزار در این بخش از کار استفاده شده است.

در این فصل به بررسی و استخراج سطوح غیرقابل نفوذ از تصویر با استفاده از پارسل ها پرداخته شد است. سطوح غیرقابل نفوذ از جمله قسمت های شهری میباشد که مورد توجه بسیار زیادی میباشد. همچنین این بخش ها به بخش های انسان ساخت بسیار مطرح است. در این فصل به استخراج این بخش ها با دقت بالا با استفاده از قواعد موجود در این نرم افزار پرداخته شده است.

در این بخش از آموزش به بررسی ابزار Template پرداخته شده است. به نحوه شمارش پدیده های خاص همچون درختان و سایر پارامترها، به ایجاد ضریب همبستگی بین متغییرهای مختلف در تصاویر مختلف.