Як відточувати зображення Landsat для класифікації зображень у GRASS?


11

Мені хотілося б дізнатися, як робити непідвладну класифікацію сцени Landsat, використовуючи i.cluster> i.maxlikв GRASS, використовуючи загально заточені зображення з роздільною здатністю 15 м (приклад, наведений у Вікі, використовує звичайні 30-метрова роздільна здатність).

Я спробував i.pansharpenспочатку створити заточені зображення, але i.pansharpenможна вивести лише 3 канали, які можна комбінувати за допомогою d.rgbабо r.composite. Наскільки я знаю, процес класифікації зображень вимагає повних багатоспектральних смуг від 1 до 7. Як я можу створити окремі смуги (смуга від 1 до діапазону 7), заточені під панорамування, використовуючи його зображення з роздільною здатністю 8 метрів, перш ніж вводити їх до процес класифікації зображень?

Я знайшов папір, який демонструє, як вони це зробили; в основному вони використовували якийсь аналіз основного компонента, щоб якось злити 30-мультиспектральні смуги з 15-метровою панхроматичною смугою. Точна цитата:

"Спосіб спочатку перепробовує 30-метрове багатоспектральне зображення на 15 метрів. Потім він обчислює всі шість основних компонентів мультиспектрального зображення (ми видалили теплову смугу через більшу роздільну здатність). Потім гістограма панхроматичної смуги (15-метровий) роздільна здатність) змінюється масштаб, щоб відповідати гістограмі першого основного компонента 30-метрового зображення, а перший компонент замінюється масштабованою панхроматичною смугою. Це виправдано, оскільки перший головний компонент представляє загальну яскравість таким чином, як аналогічний широка спектральна смуга панхроматичного зображення. Після заміни шість компонентів перетворюються назад у вихідний простір даних, надаючи поліпшення просторової роздільної здатності ".

По-перше, у статті не було показано жодного алгоритму / формули. Я поняття не маю, як перетворити вищезазначену цитату у відповідну математичну формулу. Я зрозумів, що я можу використовувати i.pansharpenалгоритм PCA замість звичайного Brovey або IHS - але все-таки - вихід буде лише 3 каналами червоного, синього та зеленого - що я, на жаль, не маю поняття, як їх використовувати для класифікації зображень ..

Отже, перш ніж я навіть спробую зламати голову, намагаючись написати новий алгоритм PCA вручну, чи хтось може допомогти мені вказати на простіший і кращий спосіб здійснити класифікацію зображень на заточених зображеннями Landsat? Я маю на увазі - має бути простіший шлях, правда? Я відчуваю, що пропускаю щось просте.

Якщо єдиний залишився шлях - написати власний сценарій, чи можете ви, хлопці, вкажіть мені щось на те, що нагадує приклад того, що я намагаюся зробити?

Будь-яка допомога дуже вдячна!


По-перше, мені не зрозуміло після прочитання 1-го абзацу на сторінці 5, якщо другий крок представленого методу (PCA на всіх діапазонах, окрім термічного) використовує перекомпоновані до 15 м смуги або вихідні 30-метрові смуги. З 3-го кроку (відповідність гістограми діапазону Пан, використовуючи в якості еталону 1-й ПК, має просторову роздільну здатність ...?), Я здогадуюсь, що другий крок (PCA) був застосований до вихідних смуг (30 м). На 4-му кроці вдосконалена смуга Pan замінює 1-й ПК - так, ймовірно, другий крок застосовується на 15-метрових смугах! - і, нарешті, назад PCA отримує розширений набір зображень. Це так?
Нікос Олександріс

Чи застосовують вони двічі PCA, один раз для оригінального набору з шести діапазонів (30 м) і один раз для набору перекомпонованих до 15 м діапазонів?
Нікос Олександріс

Відповіді:


4

i.cluster потребує щонайменше двох растерів. Отже, трьох виходів з i.pansharpen буде достатньо.


Ви маєте в виду , я повинен поставити всі 3 виходи з i.pansharpenв i.group? Хм, ніколи про це не думав (я думав, i.groupпотрібні растри в окремих діапазонах). Якість класифікації, що використовує лише 3 растри, повинна відрізнятися від використання всього діапазону, правда? Неважливо, спробую спершу. Дякую @Vladimir Naumov!

Я думаю, що зараз слід зробити трюк! Я знав, що пропустив щось просте :)
Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.