GRASS에서 이미지 분류를 위해 Landsat 이미지를 선명하게하는 방법?


11

pan-sharpened 15m 해상도 이미지를 사용하여 GRASS에서 i.cluster> i.maxlik를 사용하여 Landsat 장면의 감독되지 않은 분류를 수행하는 방법을 배우고 싶습니다 ( 위키에 제공된 예 는 일반적인 30m 해상도를 사용합니다).

나는 사용하여 시도 i.pansharpen먼저 팬 날카로운 이미지를 만들 수 있지만 i.pansharpen사용하여 결합 할 수 있습니다 만 출력 3 개 채널 수 d.rgb또는 r.composite. 내가 아는 한 이미지 분류 프로세스에는 완전한 다중 스펙트럼 대역 1 ~ 7이 필요합니다. 어떻게 15m 해상도 대역 8 이미지를 사용하여 팬 샤프닝 된 별도의 대역 (대역 1 ~ 대역 7)을 생성 할 수 있습니까? 이미지 분류 과정?

그들이 어떻게했는지 보여주는 논문 을 찾았습니다 . 기본적으로 그들은 어떤 종류의 Principal Component Analysis를 사용하여 30m 다중 스펙트럼 대역과 15m-panchromatic 대역을 어떻게 든 병합했습니다. 정확한 인용문은 다음과 같습니다.

"이 방법은 먼저 30 미터 멀티 스펙트럼 이미지를 15 미터로 재 샘플링합니다. 그런 다음 멀티 스펙트럼 이미지의 6 가지 주요 구성 요소를 모두 계산합니다 (코스 해상도로 인해 열 밴드를 삭제했습니다). 해상도)는 30 미터 이미지의 첫 번째 주요 구성 요소의 히스토그램과 일치하도록 크기가 조정되고 첫 번째 구성 요소는 크기가 조정 된 panchromatic 밴드로 대체됩니다. 이는 첫 번째 주요 구성 요소가 대체 후, 6 개의 성분이 원래의 데이터 공간으로 다시 변환되어 공간 분해능이 향상됩니다. "

우선,이 논문은 알고리즘 / 수식을 전혀 보여주지 않았습니다. 위의 인용문을 해당 수학 공식으로 바꾸는 방법을 모르겠습니다. 나는 i.pansharpen일반적인 Brovey 또는 IHS 대신 PCA 알고리즘과 함께 사용할 수 있다는 것을 깨달았 지만 여전히 출력은 빨강, 파랑 및 녹색의 3 채널만이 될 것입니다. 심지어 이미지 분류에 사용하는 방법에 대한 단서가 없습니다. ..

그래서 새로운 PCA 알고리즘을 수동으로 작성하려고 시도하기 전에 머리를 부딪히기 전에 팬이 날카로 워진 Landsat 이미지에서 이미지 분류를 수행하는 더 쉽고 좋은 방법을 알려주는 사람이 있습니까? 내 말은-더 쉬운 방법이 있어야합니까? 간단한 것을 놓친 것 같습니다.

남은 경로가 내 자신의 스크립트를 작성하는 것이라면, 내가하려는 일의 예와 비슷한 것을 지적 해 주시겠습니까?

어떤 도움이라도 대단히 감사합니다!


먼저, 제시된 방법의 두 번째 단계 (열 밴드를 제외한 모든 밴드의 PCA) 가 15m 밴드 또는 원래 30m ​​밴드로 리샘플링 을 사용하는 경우 5 페이지의 첫 번째 단락을 읽은 후 명확하지 않습니다 . 3 단계 (참조로 사용하는 팬 밴드의 히스토그램 매칭은 1 차 PC의 공간 해상도입니다 ...?), 2 단계 (PCA)는 원래 밴드 (30m)에 적용 된 것 같습니다. 4 단계에서 향상된 팬 밴드는 1 차 PC를 대체합니다. 따라서 2 단계는 15m 대역에 적용됩니다!-그리고 마지막으로 PCA는 향상된 이미지 세트를 도출합니다. 그렇습니까?
Nikos Alexandris

그들은 원래 6 개의 밴드 (30m) 세트에 대해 한 번, 그리고 15m에서 15m까지 리샘플링 된 밴드에 대해 한 번 PCA를 두 번 적용합니까?
Nikos Alexandris

답변:


4

i.cluster에는 두 개 이상의 래스터가 필요합니다. 따라서 i.pansharpen의 3 가지 출력으로 충분합니다.


당신은 내가로부터 3 개 출력을 넣어야 할 의미 i.pansharpeni.group? 흠, 그런 생각은하지 않았습니다. ( i.group별도의 밴드에 래스터가 필요 하다고 생각했습니다 .) 3 개의 래스터 만 사용하는 분류의 품질은 전체 범위를 사용하는 것과 달라야합니다. 신경 쓰지 마, 내가 먼저해볼 게 @Vladimir Naumov에게 감사합니다!

나는 그것이 지금 트릭을해야한다고 생각합니다! 나는 내가 간단한 것을 놓쳤다는 것을 알았다 :)
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.