팬 밴드를 사용하여 landsat 반사 제품을 pansharpen하는 것이 과학적으로 정확합니까?


11

Landsat 8 표면 반사 제품을 해당 밴드의 팬 밴드와 융합 / 팬 샤프닝하는 것이 과학적으로 유효한지 알아야합니까? Landsat 반사 제품 세부 사항은 여기 에서 찾을 수 있습니다 . 이 제품을 얻기 위해서는 표면 반사 제품을 별도로 주문해야합니다. 이 제품에는 IR 및 팬 밴드가 아닌 7 밴드 (30m) 만 포함되어 있습니다. 다시, 내 질문은 표면 반사 제품의 7 밴드 (30m)를 일반 (표면 반사가 아닌) 팬 밴드 (15m)와 융합하는 것이 유효하다는 것입니다. 이 pansharpened 이미지를 분할 및 랜드 커버 매핑에 사용하고 싶습니다. 그래서 참고로 학계 에서이 유형의 pan sharpening에 대한 확립 된 관행이 있음을 알아야합니다. 그렇다면 인용하십시오.

답변:


9

근본적으로 여기서의 문제는 " '과학적으로 유효한'의 의미"입니다. 데이터에서 스펙트럼 모델링을 수행하려는 경우 분류 / 이미지 분할을 수행하는 경우와 대답이 다를 수 있습니다. Pansharpening (방법에 따라 다름)은 단순히 값의 범위를 상당히 적은 양으로 변경하므로 반사 범위 값을 가능성의 범위 밖에 두지 않아야합니다.

대체로 데이터를 사용할 응용 프로그램에 따라 다릅니다. 또한, pansharpening의 영향은 수행중인 모든 연구에서 부분적인 결과로 문서화 할 가치가 있습니다. 결과적으로 처리 시간보다 4 배 긴 4 배 많은 픽셀을 제외하고는 아무 것도 추가하지 않을 수 있습니다. 일부 경우에는 쇼 토퍼입니다.

편집 :이 주제에 관한 기사 데이터베이스는 크지 않지만 이미지 세분화에 pansharpend 데이터가 (합리적인 결과로) 사용되는 두 가지가 있습니다.

Shackelford, AK, & Davis, CH (2003). 도시 지역의 고해상도 다중 스펙트럼 데이터 분류를위한 퍼지 픽셀 기반 및 객체 기반의 결합 된 접근 방식입니다. 지구과학과 원격 탐사에 관한 IEEE 거래, 41 (10), 2354–2364. http://doi.org/10.1109/TGRS.2003.815972

Fernández, I., Aguilar, FJ, Aguilar, MA 및 Álvarez, MF (2014). 객체 기반 접근법을 통한 VHR 위성 및 항공 이미지를 사용하여 불 투수 표면 영역 분류에 대한 데이터 소스 및 교육 크기의 영향 응용 지구 관측 및 원격 감지에서 선정 된 주제의 IEEE 저널, 7 (12), 4681–4691.


질문을 편집했습니다.
SIslam

2
답변에서 다루지 않은 문제는 표면 반사 대역이 밴드 8의 DN 값과 다른 단위라는 것입니다. 일부 알고리즘은 PCA와 같이 팬 선명 표면 반사 대역의 결과 값에 영향을 미치지 않습니다. 그 의미가 무엇이든간에 "바이어 리 학적으로 유효"하지 않을 수 있습니다. 그러나 스펙트럼 곡선이 예상 값과 일치하지 않는 대역 8의 DN 값을 기반으로 변경 되었기 때문에 알려진 "재료 반사율 특성"관점에서 실제로 유효하지 않습니다.
Jeffrey Evans

1
@JeffreyEvans는 모두 사용되는 팬 샤프닝 방법에 달려 있습니다-질문의 일부가 아닌 요소. 그러나 주제가 이미지 분할이라는 점을 감안할 때 기본 목표는 알려진 재료를 모델링하는 것이 아니라 값의 교차 장면 비교를 허용하는 것입니다. 즉, 주요 관심사는 팬 샤프닝이 아니라 대기 보정의 일관성입니다.
Mikkel Lydholm Rasmussen

당신의 친절한 노력에 감사드립니다! 실제로 분류 목적을 위해 대기압으로 보정되지 않은 제품으로 난연 제품을 팬 샤프하면 유효한지 알고 싶습니다. 그렇다면 위의 논의가 연구 목적으로 분류를해야하기 때문에 이것을 강화시키는 확실한 방법을 알려주세요.
SIslam

@SIslam-나는 보정되지 않은 panchromatic 데이터로 대기 수정 데이터를 pansharpening하는 것을 구체적으로 볼 수있는 논문을 찾을 수 있다고 생각하지 않습니다. 그것은 매우 기술적 인 세부 사항이며, 강력한 기술 사용자에게만 중요한 세부 사항이며, 사용자는 상당히 오류가 발생하기 쉬운 지표면 반사 제품을 사용하지 않고 일반적으로 자체 대기 교정을 수행합니다.
Mikkel Lydholm Rasmussen

0

무엇을하고 있는지, 무엇을 실험하고 있는지 전혀 알지 못한다면 PAN을 DN에서 TOA 반사로 올바르게 변환 할 수는 없습니다. 이 데이터는 시각적 향상 목적으로 만 만들어졌습니다. 스펙트럼 정보는이 정보에서 파생되지 않습니다.

TOA 반사율 값은 USGS에 명시된 16 비트 데이터 유형에서 리 스케일됩니다 . 이는 다중 스펙트럼 TOA 반사 데이터를 사용하여 PAN 대역을 입력으로 직접 사용할 수 있음을 의미합니다. 특히 Pan-sharpening 알고리즘의 대부분은 전부는 아니지만 일종의 데이터 정규화로 시작하기 때문입니다.

마음을 편하게하기 위해 할 수있는 또 다른 일은 두 개의 샘플 데이터 (레벨 2 및 레벨 1)를 취하는 것입니다. 두 가지에 팬 샤프닝을 적용하고 두 결과에 대한 스펙트럼 및 공간 평가를 수행합니다.

추신 : 프로젝트의 주제에 대하여

작년에 나는 입력 데이터가 Quickbird와 Landsat 8 위성 이미지 인 이미지 분류에 대한 팬 샤프닝 효과평가에 관한 프로젝트를 진행했습니다 . 여러 알고리즘과 접근법이 테스트되었습니다. 그리고 결과는 매우 흥미로웠다. 아직 기사를 게시하지 않았으므로 대부분의 작업을 공개 할 수 없습니다. 그러나 내가 말할 수있는 한 가지는 : 원본 데이터 (풀 밴드)와 세그먼트 팬 샤프닝 이미지의 조합을 시도하고 사용하는 것입니다. Landsat 데이터에 대해 수행 된 대부분의 실험에서 원래 데이터의 분류와 비교하여 전체 정확도 및 Kappa 계수가 감소한 것으로 나타났습니다.

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.