Viac

Aká technika prevzorkovania by sa mala použiť pri premietaní leteckých snímok?


Robím nejaké časovo náročné premietanie leteckých fotografií a som zvedavý - akú techniku ​​prevzorkovania je najlepšie použiť na leteckých snímkach? V ArcMap sú moje možnosti NAJBLIŽŠIE, BILINEÁRNE, KUBICKÉ a VEĽKOSŤ.

Najbližší sused a väčšina sa odporúčajú pre kategorické údaje, zatiaľ čo kubická konvolúcia a bilineárna interpolácia sa vzťahujú na nepretržité údaje.

Zaujímalo by ma, či existuje nejaký bežne používaný algoritmus na premietanie leteckých fotografií. Práve som dokončil premietanie jedného obrázka pomocou programu Najbližší sused a zdá sa, že vyzerá dobre, ale letecká fotografia nie je kategorickým údajom, takže najbližšie vyskúšam Bilineár.

UPRAVIŤ
Nemyslel som na letecké snímky ako na rovnaký druh nepretržitých údajov ako DEM alebo údaje o zrážkach, ale Whuber poukázal na to, že sú súvislé a malo by sa s nimi tak aj narábať. Ešte raz ďakujem.


Letecké fotografie sú nepretržité údaje. Každý pixel predstavuje odozvu oblasti senzora na svetlo namierené na ňu a ako sa toto svetlo mení, odozva sa mení kontinuálne. Výsledok sa zvyčajne rozlišuje (často do 255 alebo 256) kategórií, ale to nemení povahu údajov. Preto chcete radšej interpolovať, ako používať kategorické algoritmy, ako je najbližší sused alebo väčšina. Bilineárna interpolácia je zvyčajne dobrá; za určitú cenu v čase vykonania si kubická konvolúcia zachová miestny kontrast o niečo lepšie. Malému množstvu ďalšej rozmazanosti sa nedá vyhnúť, ale je takmer nemožné si to všimnúť, kým obraz neprešiel mnohými takýmito transformáciami. Chyby vykonané s najbližším susedom sú v porovnaní s nimi oveľa horšie.


Chýba mi „reputácia“ Komentára, takže ...

Ak sa má na leteckých snímkach vykonať rádiometrická analýza, malo by sa to urobiť pred prevzorkovanie / premietanie. Inak takmer určite vnesiete do výsledného produktu neúmyselné skreslenie. Podľa vyššie uvedeného užitočného komentára Blord-castilla.

Ak je najbližšie a konečné použitie antén na vizuálne odvolanie alebo na mapovanie pozadia, potom by som použil najrýchlejšiu metódu, ktorá vám poskytne použiteľný produkt.

  • Ak je veľkosť bunky novej antény rovnaká ako pôvodná, potom IMHO funguje najlepšie NAJBLIŽŠIE.

  • Ak je veľkosť bunky novej antény väčšia ako pôvodná, potom BILINEAR funguje najlepšie.

  • Ak je (z nejakého bláznivého dôvodu) veľkosť bunky novej antény menšia ako pôvodná, vrátil by som sa k použitiu NEAREST.

Ostatné možnosti, CUBIC a MAJORITY, vyprodukujú artefakty v prevzorkovanom produkte, ich spracovanie trvá dlhšie a zdá sa, že inak sa nevzťahujú na to, čo sa snažíte urobiť.

Ako posledný bod: Aj keď je pravda, že proces vzorkovania svetla vychádzajúceho / odrážajúceho od povrchu Zeme je koncepčne kontinuálny, je tiež pravda, že povrch Zeme vykazuje kontinuálny aj diskrétny jav.

  • Všeobecne má ľudská činnosť tendenciu vytvárať diskrétne prechody a

  • „Prirodzené“ prvky sa často (ale nie vždy) neustále menia alebo majú aspoň fuzzy hrany.

Ako je uvedené v mojej prvej časti vyššie, to, ako s anténami manipulujete, bude závisieť od toho, ako ich očakávate.


Viem, že táto otázka je dosť stará, ale chcel som pridať svoje 2 centy, keby iní narazili na toto vlákno a pokúsili sa odpovedať na rovnakú otázku ...

Predchádzajúce odpovede sú správne, ak si skutočne chcete RESAMPLOVAŤ svoje údaje, napríklad ak agregujete svoje údaje z 30 m pixelov na 90 m pixelov. V takom prípade sa pokúšate vytvoriť novú hodnotu pre každý jednotlivý pixel na základe kolekcie blízkych pixelov. Takže áno, tu by ste pre diskrétne množiny údajov vybrali možnosť Najbližší sused, zatiaľ čo pre spojité údaje by ste vybrali buď bilineárnu alebo kubickú konvolúciu.

V tejto otázke však cieľom NIE JE vlastne prevzorkovať dáta, ale iba previesť existujúce dáta na novú projekciu - chcete rovnaké hodnoty, len v novej projekcii. V takom prípade chcete použiť vzorkovanie najbližšieho suseda pre diskrétne aj nepretržité množiny údajov, aby ste zachovali integritu svojich pôvodných údajov. Viem, že toto tvrdenie je v rozpore so všetkým, čo ste čítali o „prevzorkovaní“, ale naozaj kriticky premýšľajte o tom, čo chcete dosiahnuť, a čo robíte s údajmi. Toto odporúčanie tiež nedávam z rozmaru ... Strávil som 5 rokov prácou na PhD. So špecializáciou na GIS / Diaľkový prieskum zeme a výučbou kurzov GIS / Diaľkový prieskum zeme.

Ďalšia poznámka, pôvodný plagát sa pýtal na nulové a / alebo záporné hodnoty ... Ak sú tieto hodnoty skutočnými údajmi (tj. Nadmorská výška môže byť v skutočnosti 0 alebo -34,5), potom tieto hodnoty chcete zahrnúť. Avšak ak príslušné hodnoty nie sú skutočnými údajmi a používajú sa skôr na vyjadrenie NoDATA (povedzme 0 alebo -9999), musíte tieto pixely pred prevzorkovaním pomocou bilineárnej alebo kubickej konvolucie maskovať z rastra (odstrániť). V opačnom prípade bude týchto -9999 pixelov zahrnutých do výpočtu prevzorkovania, akoby tento pixel mal skutočnú nadmorskú výšku -9999 a vy skončíte s neplatnými hodnotami údajov. Ako VEĽMI zjednodušený príklad kubickej konvolúcie, ak sú vaše 4 najbližšie hodnoty bunky 4, 5, 16, -9999, vrátane -9999 môže mať za následok novú hodnotu pixelu -9974, čo nie sú platné údaje.


Pozri si video: letecké katastrofy proč letadla padají (Október 2021).