Яку техніку перекомпонування слід використовувати при проектуванні повітряних фотографій?

Я займаюсь інтенсивним проектуванням аерофотознімків, і мені цікаво - яку техніку перекомпонування найкраще використовувати на аерофотознімках? У ArcMap моїми варіантами є БЛІЗНИЙ, БІЛІНЕЙНИЙ, КУБІЧНИЙ ТА МАЙБОРИТЕТНИЙ.

Найближчі сусід та більшість рекомендуються для категоричних даних, тоді як кубічна згортка та білінеарна інтерполяція - для постійних даних.

Мені цікаво дізнатись, чи існує якийсь часто використовуваний алгоритм проектування повітряних фотографій . Я щойно закінчив проектувати одне зображення за допомогою Найближчого сусіда, і воно виглядає добре, але аерофотознімок не є категоричними даними, тому я спробую спробувати Білінеар далі.

EDIT
Я не думав про повітряні знімки як про той самий вид постійних даних, як DEM або дані опадів, але Уаубер зазначив, що вони є безперервними і їх слід обробляти як такі. Знову дякую.

Аерофотознімки - це суцільні дані. Кожен піксель являє собою реакцію області датчика на спрямоване на нього світло, і оскільки цей світло змінюється, реакція змінюється постійно. Результат, як правило, дискретно (часто на 255 або 256) категорій, але це не змінює природу даних. Тому ви хочете інтерполювати, а не використовувати такі категоричні алгоритми, як найближчий сусід чи більшість. Білінеарна інтерполяція зазвичай просто чудова; за певної вартості часу виконання кубічна згортка збереже місцевий контраст на трохи менше. Невелика кількість додаткової розмитості неминуча, але це майже неможливо помітити, поки зображення не зазнало багатьох таких перетворень. Помилки, зроблені з найближчим сусідом, значно гірші порівняно.

Мені не вистачає "репутації", щоб так коментувати ...

Якщо радіометричний аналіз буде проводитися на повітряних знімках, то це слід зробити перед переустановкою / проектуванням. Інакше ви майже напевно введете ненавмисну ​​упередженість у кінцевий продукт. Відповідно до корисного коментаря blord-castillo вище.

Якщо найближчі та кінцеві напрямки використання антен призначені для візуальної привабливості або фонового відображення, то я б скористався найшвидшим методом, який дає вам корисний продукт.

• Якщо розмір осередку нової антени такий же, як у оригіналу, то NEAREST найкраще працює IMHO.

• Якщо розмір осередку нової антени більший за оригінал, то BILINEAR працює найкраще.

• Якщо (з божевільної причини) розмір осередку нової антени менший від оригіналу, я б повернувся до використання НІЖЕ.

Інші параметри, CUBIC та MAJORITY, створюють артефакти в перекомпонованому продукті, потребуватимуть більше часу для обробки, інакше, схоже, не застосовуються до того, що ви намагаєтесь зробити.

На завершення: Хоча це правда, процес відбору / відбиття світла від поверхні Землі є концептуально безперервним, але правда також, що поверхня Землі проявляє як безперервне, так і дискретне явище.

• Взагалі людська діяльність має тенденцію до отримання дискретних переходів і

• "Природні" особливості часто (але не завжди) постійно змінюються або принаймні мають нечіткі краї.

Отже, як зазначено в моїй першій частині вище, те, як ви маніпулюєте антенами, залежатиме від того, як ви розраховуєте ними користуватися.

Я знаю, що це питання досить давнє, але я хотів додати свої 2 центи, якщо інші натрапляють на цю тему, намагаючись відповісти на те саме питання ...

Попередні відповіді правильні, коли ви дійсно бажаєте РЕЗАМПЛЯТИ свої дані, наприклад, якщо ви агрегуєте свої дані від розміру 30 м пікселя до розміру 90 м пікселів. У цьому випадку ви намагаєтесь створити нове значення для кожного окремого пікселя на основі колекції пікселів, що знаходяться поблизу. Так, так, тут для дискретних наборів даних ви вибрали б Найближчий сусід, тоді як для безперервних даних ви вибрали б Білінеарну або Кубічну згортку.

Однак у цьому питанні мета НЕ насправді переупорядкувати дані, а просто перетворити наявні дані в нову проекцію - ви хочете ті самі значення, як раз у новій проекції. У цьому випадку ви хочете використовувати Найближчий сусідський перекомпонування для дискретних та безперервних наборів даних для підтримки цілісності вихідних значень даних. Я знаю, що це твердження суперечить усьому, що ви читаєте про "перекомпонування", але дійсно критично подумайте про те, чого ви хочете досягти, і що ви робите з даними. Крім того, я не даю цієї рекомендації примх ... Я провів 5 років, працюючи над докторантом, що спеціалізується на ГІС / Дистанційному зондуванні, а також викладав курси нижчої програми з ГІС / дистанційного зондування.

Ще одна примітка, оригінальний плакат запитував про нульові та / або негативні значення ... Якщо ці значення є істинними значеннями даних (тобто висота насправді може бути 0 або -34,5), тоді ви хочете включити ці значення. Однак якщо відповідні значення не відповідають дійсним даним і замість цього використовуються для представлення NoDATA (скажімо, 0 або -9999), то вам потрібно замаскувати ці пікселі з вашого растру (видалити) перед повторним відтворенням через білінеарну або кубічну згортку . В іншому випадку ці -9999 пікселів будуть включені в розрахунок перекомпонування, як якщо б у цього пікселя була реальна висота -9999, і ви отримаєте недійсні значення даних. Як ДУЖЕ спрощений приклад кубічної згортки, якщо ваші 4 найближчих значення комірок рівні 4, 5, 16, -9999, включаючи -9999, можуть призвести до нового значення пікселя -9974, що не є дійсними даними.