Landsat 8 분류시 산 그림자 처리

2013 년부터 Landsat 8 위성 이미지를 사용하여 몽골 북부의 일부 지역을 분류하려고합니다. 겨울에 기록 된 이후 태양은 획득 시간에 매우 낮습니다. 따라서 산에서 매우 길고 어두운 그림자가 있습니다.

이 질문 : Landsat 이미지에서 그림자와 같은 지형 효과를 제거하는 방법에 설명 된대로 DEM을 사용하여이 그림자를 식별 할 수 있습니다.

잘린 그림자 영역에 대해 감독 분류를 수행하려면 어떻게해야합니까? 이 영역을 향상시키는 것이 가능합니까? 나는 어떤 밴드 비율을 시도했지만 어떤 것이 내 작업에 가장 적합한 지 모르겠습니다.

이 이미지에서 어두운 그림자에는 초목이있는 지역이 있지만 분류 할 수는 없습니다.

실제로, 어두운 영역에서 일부 정보를 복구 할 수는 없습니다. 그러나 한때 초 분광 이미지에서 (구름) 그림자를 성공적으로 처리했습니다. 목표는 간단한 토지 표지 분류였습니다. 여기 내가 한 일이 있습니다. 이것이 Landsat 이미지와 어떻게 작동하는지 잘 모르겠지만 매우 간단하므로 시도해보십시오.

그림자를 감지하면 그림자가있는 영역과 나머지 이미지의 히스토그램 일치를 수행했습니다. 이 작업을 수행하면 그림자 영역의 스펙트럼 신호와 조명 영역의 신호가 거의 같은 클래스 (~ 같은 분포)에 속한다고 가정하므로주의하십시오. 이것은 매우 간단하고 간단한 방법이지만 약간의 그림자 경계 오류로 인해 그림자 픽셀을 올바르게 분류 할 수있었습니다. 어쩌면 가능한 모든 대역 비율을 이미지에 쌓고 분류하기 전에 모든 기능을 다시 정규화 할 수 있습니다. 이렇게하면 그림자 효과가 더욱 줄어들 수 있습니다. 아마도 강력한 분류기를 사용해야 할 것입니다.

편집 : 또한 각 픽셀을 스펙트럼 벡터로 보면서 단위 규범을 갖도록 각 픽셀을 정규화 할 수 있습니다. 그림자 효과를 제거하는데도 도움이됩니다.

나는 Stella가 아래에 말한 것을 제안합니다. 간단히 그림자로 분류하여 정확도를 손상시키지 않습니다. 물론 그림자의 관심 영역이나 훈련 영역이 모두 분류되어 있는지 확인하십시오. 프리젠 테이션을해야하는 경우, 대부분의 그림자 영역이 산의 니어 사이드 부분과 균일하다는 점을 언급 할 수 있습니다. 태양이 그것을 치면 도움이 되었기를 바랍니다. 이 작업을 수행해야했으며 그림자를 분류하지 않거나 수정을 적용하지 않으면 스펙트럼 유사성이있는 것처럼 물과 동일하게 분류됩니다.

그림자를 나머지 이미지와 별도로 분류하는 것이 좋습니다. 고유 한 그림자 클래스를 찾을 수 있으면 "그림자"픽셀을 마스킹 한 다음 늘리고 다시 분류하십시오 (확장 방법에주의). 이미지 분류 전문가는 아니지만 다른 이미지를 사용하여 결과를 확실히 확인할 수 있습니다.