Mehr

Leere Signaturdatei nach i.gensig in GRASS

Leere Signaturdatei nach i.gensig in GRASS


Ich versuche eine überwachte Klassifizierung in Grass 6.4.3 unter Linuxmint 16 vorzunehmen.

Nachdem ich die Trainingsbereiche digitalisiert hatte, habe ich sie von Vektor in Raster umgewandelt. Dann habe ich folgendes gemacht: für alle Fälle:g.region [email protected],[email protected]

dann

i.group group=group subgroup=sub_group [email protected],[email protected],[email protected]

und

i.gensig [email protected] [email protected] subgroup=sub_group signaturefile=superv_class

aber die resultierende Signaturdatei enthält nur ein Zeichen: "#".

Die Ausgabe von i.gensig in der Konsole ist die folgende:

Trainingsklassen finden… 3 Klassen gefunden Klasse berechnen bedeutet… Klassenkovarianzmatrizen berechnen… Signatur 1 nicht invertierbar Signatur 2 nicht invertierbar Signatur 3 nicht invertierbar i.gensig komplett.

Wenn ich es versuche natürlich:i.maxlik [email protected] subgroup=sub_group sigfile=superv_class class=results_class

Ich erhalte folgende Fehlermeldung:

FEHLER: Signaturdatei kann nicht gelesen werden

Ich habe gesucht, aber keine Lösung gefunden.

Ich habe versucht: dieses Problem läuft i.gensigset in Grass. Irgendwelche Ideen?

Mein Problem ist ähnlich: i.maxlik kann die i.class-Ausgabesignaturdatei nicht lesen. Aber hier wird keine Lösung vorgeschlagen. Wie in diesem Fall habe ich auch verwendeti.clusterum eine unbeaufsichtigte Signaturdatei zu generieren undi.maxlikliest das ganz gut.

Hier gibt es noch eine ähnliche Frage, aber wieder ohne Lösung…

Was machtSignatur X nicht umkehrbarmeint?

Irgendeine Idee? Danke für Ihre Hilfe!


Josef, du hast recht. Hier ist die Lösung für MEIN Problem. Vielleicht könnte jemand etwas mehr Details hinzufügen, aber so habe ich es gelöst:

  • Der Bereich, der mich interessierte, war ungefähr ein Viertel des Originalbildes, also habe ich das Landsat-Bild auf eine kleinere Größe beschnitten und einen großen Bereich ausgelassen, der mich nicht interessiert, BEVOR ich mit der Klassifizierung beginne (ich hatte vor, es am Ende zu tun) des Prozesses).
  • Ich habe die Trainingsbereiche neu digitalisiert und darauf geachtet, wie mir jemand sagte: "Trainingsbereiche sollten groß genug sein, um eine signifikante Anzahl von Pixeln zu enthalten, aber klein genug, um homogen zu sein".
  • Danach habe ich den gesamten Vorgang (v.to.rast, i.gensig, i.maxlik) erneut durchgeführt, und das ohne Probleme!

  • Abgesehen von der Größe des Bildes und der Tatsache, dass ich alle Trainingsbereiche in einem kleinen Bereich hatte, denke ich, dass meine bisherigen digitalisierten Trainingsbereiche nicht zu klein waren, aber höchstwahrscheinlich nicht homogen.


Schau das Video: Geomorphometry in GRASS GIS