Suite

Fichier de signature vide après i.gensig dans GRASS


J'essaye de faire une classification supervisée dans Grass 6.4.3 sous Linuxmint 16.

Après avoir numérisé les zones d'entraînement, je les ai transformées du vecteur au raster. Ensuite, j'ai fait ce qui suit : juste au cas où :g.region [email protected],[email protected]

ensuite

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

et

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

mais le fichier de signature résultant, ne contient qu'un seul caractère : "#".

La sortie de i.gensig dans la console est la suivante :

Trouver des classes d'entraînement… 3 classes trouvées Calculer une classe signifie… Calculer des matrices de covariance de classe… Signature 1 non inversible Signature 2 non inversible Signature 3 non inversible i.gensig complete.

Evidemment si j'essaye :i.maxlik [email protected] subgroup=sub_group sigfile=superv_class class=results_class

J'obtiens le message d'erreur suivant :

ERREUR : impossible de lire le fichier de signature

J'ai cherché, mais je n'ai pas trouvé la solution.

J'ai essayé: ce problème d'exécution d'i.gensigset dans Grass. Des idées?

Mon problème est similaire à celui-ci : i.maxlik ne peut pas lire le fichier de signature de sortie i.class. Mais ici, aucune solution n'est suggérée. Comme dans ce cas, j'ai également utiliséi.clustergénérer un fichier de signature non supervisé eti.maxliklit parfaitement bien.

Ici, il y a une autre question similaire, mais encore une fois, sans solution…

Qu'est-ce queSignature X non inversibleveux dire?

Une idée? Merci pour ton aide!


Joseph, tu as raison. Voici la solution à MON problème. Peut-être que quelqu'un pourrait ajouter plus de détails, mais voici comment j'ai résolu le problème :

  • La région qui m'intéressait était environ un quart de l'image d'origine, j'ai donc coupé l'image Landsat à une taille plus petite, laissant de côté une grande région dans laquelle je ne suis pas intéressé AVANT de commencer à classer (je prévoyais de le faire à la fin du processus).
  • J'ai re-numérisé les zones d'entraînement en faisant attention, comme me l'a dit quelqu'un : « Les zones d'entraînement doivent être suffisamment grandes pour contenir un nombre important de pixels, mais suffisamment petites pour être homogènes ».
  • Après cela, j'ai refait tout le processus (v.to.rast, i.gensig, i.maxlik) et sans problème !

  • Outre la taille de l'image et le fait que j'avais toutes les zones d'entraînement dans une petite région, je pense que mes précédentes zones d'entraînement numérisées n'étaient pas trop petites, mais très probablement, elles n'étaient pas homogènes.


Voir la vidéo: Supervised Classification in GRASS GIS (Octobre 2021).