Answers:
我建议将图像分割与免费软件SPRING一起使用,该软件可从巴西国家空间研究所获得。文档可以在这里和教程都可以在这里。与纯粹基于像素的分类方法(例如ISODATA,最大似然法等)相比,图像分割可产生较高的分类精度。为了更好地阐明我的答案,我对图像进行了图像分割(nIR,1m分辨率),该图像的一条道路穿过俄勒冈州东部的牧场。使用SPRING进行图像分割的一般工作流程如下:
第一张图片显示了实际分割的结果。该道路以蓝色突出显示,并在第3步(培训)中使用。我将所有其他类别(例如草,树等)归为另一类。最终图像显示了图像分割和分类算法的结果。如您所见,图像分割对样本图像产生了非常好的结果。
使用Landsat影像,您的空间分辨率将比我的样本影像要小,但光谱分辨率将更高,因此能够检测到植被区和非植被区之间的差异更大。由于SPRING除了考虑形状以外还考虑了光谱带,因此使用Landsat影像应该会看到非常好的结果。祝您好运,并感谢您研究了这一重要主题。
分段对象(又名训练有素)的分类可以非常成功地用于此问题,但是我对GRASS的了解不足以告诉您它在此领域中具有什么功能。但是,您将获得多边形,因此仍然必须将其细化或使用均值或其他变换。
如果您拥有近红外波段或复合材料,您将获得更好的结果,因为道路和其他贫瘠地面的反射率与植被的反射率显着不同,加上阴影,并且遮盖篷(在道路上)影响程度较小结果较少。