IMAGINE Professional® является комплексным решением высочайшего уровня для обработки ДДЗ и другой геопространственной информации и создания ГИС. В IMAGINE Professional входят все возможности и функции комплектов более низкого уровня - IMAGINE Essentials® и IMAGINE Advantage®, такие как графическое моделирование и различные улучшающие преобразования.
ERDAS IMAGINE стал первым коммерческим программным продуктом, предоставляющим возможность создания экспертных систем, позволяющих решать географические задачи на основе геопространственных данных. Используя инструмент IMAGINE Expert Classifier™, пользователи комплекта IMAGINE Professional могут строить и исполнять сложные задачи по классификации изображений, постобработке результатов классификации и ГИС-моделированию высочайшего уровня.
Для получения полной информации о наборе функций IMAGINE Professional, рекомендуется прочитать документы о комплектах более низкого уровня - IMAGINE Essentials и IMAGINE Advantage.
Ключевые особенности
Спектральный анализ
Любой пользователь, имеющий доступ к гиперспектральной съёмке и желающий получить из неё максимум информации при минимуме затрат времени и сил, может воспользоваться преимуществами нового инструмента спектрального анализа:
Стандартные задачи
выявление аномалий
выявление изменений
картографирование минералов и веществ определение материала
Этапы предобработки гиперспектральных изображений
определение длины волны
определение плохих каналов
вырезание части спектра
вырезание части изображения
атмосферная коррекция
устранение шумов
Спектральные библиотеки
ASTER
JPL
USGS
импорт библиотек SITAC
импорт библиотек SPECMIN
Инструмент Спектрального Анализа
Рабочее пространство с несколькими панелями инструментов, позволяющими провести точный анализ спектров объекта
Три географически связанных вьюера (главный, обзорный и увеличительный)
Встроенные инструменты рисовки профиля
Встроенные спектральные библиотеки
IMAGINE Expert Classifier
IMAGINE Expert Classifier состоит из двух компонент: Knowledge Engineer (Инженер знаний) и Knowledge Classifier (Классификатор по знаниям). Knowledge Engineer имеет графический интерфейс эксперта для построения базы знаний, его основные возможности:
Использование механизма перетаскивания для построения базы знаний
Определение и распространение значения достоверности, то есть возможность оперировать неопределенностью
Показатели могут формироваться из различных источников – снимков, векторных данных, скалярных данных, графических моделей и даже из программ, определенных пользователем
Для создания мобильных баз знаний имеется возможность включать запросы к пользователю для выбора файлов
Быстрая обратная связь по результатам классификации, облегчающая разработку и детальную настройку базы знаний.
Доступ к другим инструментам ERDAS IMAGINE (таким, как инструмент пространственного моделирования Model Maker) для определения спектральных/пространственных операторов.
Менее опытный пользователь может использовать ранее созданную базу экспертных знаний для проведения классификации посредством Knowledge Classifier, имеющего простой дружественный интерфейс-мастер:
Оценка всех возможных классов или только подмножества правил
Автоматическая идентификация недостающих классов и запрос к пользователю на их поиск
Вывод наряду с собственно классификацией наборов нечеткости, слоев достоверности и слоев обратной связи.
Knowledge Engineer является составляющей частью комплекта IMAGINE Professional, в то время как Knowledge Classifier является частью комплекта более низкого уровня - IMAGINE Advantage. Таким образом, пользователи создающие базу знаний в IMAGINE Professional могут её свободно распространять, а пользователи IMAGINE Advantage могут использовать эту базу знаний для проведения сложной многопараметрической классификации.
Многозональная классификация
Нечеткая классификация
Нечеткая сверточная фильтрация
Автономная классификация (кластеризация) – алгоритм ISODATA
задание числа классов, порога сходимости, максимального числа итераций и коэффициентов статистического прореживания
инициализация средних значений классов из статистики изображения или опционального файла эталонов
классификация в пределах заданной области интереса
вывод набора эталонов
задание цветовой схемы выходного тематического растра
Инструмент группировки пикселов для определения классов в типы земной поверхности
определение искомых типов земной поверхности
интерактивная выборка и выделение групп классов
булев оператор для сравнения групп
выделение зон конфликтов классов
инструмент Dendrogram Tool визуально отображающий различия классов
Измерение спектральных расстояний
Евклидово
Среднее
Дивергенция
Спектральный угол
Методы аккумуляции
Простое соединение
Полное соединение
По средним значениям
Центроид
Медиана
Сохранение групп классов в файл изображения
Постклассификационное редактирование
пороговая классификация по хи-квадрат и эвклидову расстоянию
интерактивный порог на гистограмме
порог на основе статистики или графического редактирования
предпросмотр результатов пороговой классификации
Оценка точности классификации
случайные или выбираемые пользователем точки истинных значений
автоматическая генерация отчетов о точности классификации (каппа-статистика, матрицы ошибок, итоговая точность)
Классификация с обучением
управление автоматически генерируемыми полями статистических атрибутов выходного тематического растра
вывод файла спектральных расстояний для использования в пороговой оценке классификации
Управление классификацией
непараметрические эталоны могут игнорироваться или классифицироваться по параллелепипедам или маскам в пространстве спектральных признаков
выбор правила для перекрытия эталонов: параметрически, по порядку, не классифицировать
неклассифицированные пиксели: оценка по параметрическому правилу или сохранение status quo
оценка параметрических эталонов по правилам: максимального правдоподобия, расстояния Махалонобиса, параллелепипеда, наименьшего спектрального расстояния
гибридная параметрическая / непараметрическая классификация
Выбор, оценка и редактирование эталонов
создание эталонов:
выращивание из затравки
по выбранным векторным объектам
по определенным пользователем областям интереса (точечным, линейным, площадным)
редактирование, извлечение и оценка эталонов в пространстве спектральных признаков
Оценка эталонов и манипуляции ими
матрица сопряжения
меры разделимости :
евклидова
отклонение
преобразованное отклонение
Джеффриса-Мацуситы
задаваемые пользователем комбинации зон)
быстрая пре-классификация с показом областей перекрытия эталонов
графики средних значений по зонам и по гистограмме
одномерная или ковариантная статистика
диаграммы распределений (scatterplots) в пространстве спектральных признаков
задаваемые пользователем комбинации зон
отображение эллипсов эталонов
связывание с исходным полутоновым многозональным изображением
извлечение непараметрических эталонов
слияние, удаление и замещение эталонов
Инструмент пространственного моделирования Model Maker
Графический инструмент пространственного моделирования, быстрого определения моделей обработки растровых и векторных данных.
Основан на SML – языке пространственного моделирования
Более 50 готовых моделей
Использование графических блок-схем для быстрого выполнения сложного анализа
Комбинирование функций ГИС-анализа и обработки изображений в одной и той же модели
Комбинирование растровых, векторных и атрибутивных данных в одной и той же модели
Применение модели к новым данным или другой географической области нажатием кнопки
Функции
более двухсот отдельных функций
синтаксические прототипы функций
использование и вывод атрибутивных данных
Установка рабочего географического окна и разрешения
Можно использовать геометрически калиброванные изображения
Перепроецирование входных данных на лету, при необходимости
Стандартные функции правки объектов: вырезать, копировать, вставить
Легкая модификация и перезапуск модели
Непосредственный запуск модели или генерация скрипта SML для интеграции в скрипты EML
IMAGINE Radar Interpreter™
Слияние изображение от разнотипных сенсоров
в пространстве главных компонент
в пространстве интенсивность–тон–насыщенность (IHS)
умножением
опции re-map радарных данных
Подчеркивание текстур
2-й, 3-й, 4-й моменты распределений
среднее эвклидово расстояние
Фильтры подавления спекл-шума
по среднему
медианный
Ли-Сигма
частный регион
Ли
Фроста
Gamma Map
Фильтры подчеркивания краев
Адаптивный фильтр Уоллиса
по каналам, главным компонентам или IHS
задаваемый пользователем множитель контрастности сцены
Изменение яркости
восстановление яркости, высокой или низкой
задание локальной отсечки яркости
нормализация яркости по дальности
задаваемый пользователем множитель контрастности сцены
коррекция яркости по строке или столбцу
Преобразования радиолокационных изображений из координат наклонной дальности в плановые координаты
определение сенсора
угол падения
ширина луча
высота
преобразование на плоскость или заданный пользователем сфероид
задаваемое выходное разрешение
Радиолокационные преобразования
Основы
Магнитуда и Фаза (MP)
Интенсивность и фаза
Только магнитуда (M)
Только интенсивность
Только Фаза
преобразование на плоскость или заданный пользователем сфероид
задаваемое выходное разрешение
IMAGINE Subpixel Classifier
Добавляет к системе средства классификации мультиспектральных изображений с разделением смешанных пикселов. Обычно каждый пиксел кадра включает смешанную (комплексную) информацию, отражающую влияние различных природных факторов. Процесс классификации позволяет изолировать специфический вклад любого из этих факторов (интересующих Вас объектов, материалов, свойств, называемых Material of Interest - MOI) в каждом смешанном пикселе, что дает возможность провести их продвинутый анализ и классифицировать объекты с размерами меньшими, чем пространственная разрешающая способность сенсора. Главными компонентами процесса анализа спектральных характеристик пикселов (Applied Analysis Spectral Analytical Process - AASAP) являются средства автоматического определения происхождения записи (сигнатуры) спектра и субпиксельный классификатор. Первая позволяет создать локализованные спектральные записи, наилучшим образом удовлетворяющие вашим специфическим требованиям. Вторая выявляет местоположение пикселов, содержащих некоторые части выделенного (ых) MOI. В ходе классификации этих MOI проводится подавление субпиксельных фоновых материалов (факторов), в том числе при обработке смешанных пикселов, включающих широкий диапазон фоновых материалов. За счет этого удается проводить коррекцию и классификацию по снимкам, сделанным в разнообразных условиях, выделять объекты, занимающие небольшую часть пиксела, выявлять материалы с малыми спектральными различиями. Процесс нормализации снимка дает точную характеристику и контроль влияния атмосферы и солнечного освещения в ходе проведения классификации. Использование модуля предоставляет следующие дополнительные преимущества: улучшается точность классификации; реально можно выявить факторы (материалы) с минимальным вкладом 20% от измеренного яркостного спектра пиксела; можно классифицировать пикселы по более детальным признакам, таким как виды деревьев или тип воды; минимизация ошибок определения происходит без существенной потери скорости расчетов; записи спектральных свойств по одному снимку можно использовать при проведении классификации по другим снимкам; можно проводить последовательную работу в пределах одного или нескольких снимков. Работает на платформах SUN, PC.
Свидетельство о регистрации СМИ – Эл № ФС77-39591 от 22.04.2010 г. выдано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор)
