क्या यह वैज्ञानिक रूप से पैन बैंड के साथ पैंसर्पेन लैंडस रिफ्लेक्शन उत्पाद के लिए सही है


11

मुझे यह जानने की जरूरत है कि क्या यह संबंधित बैंड के पैन बैंड के साथ फ्यूज / पैन-शार्प लैंडसेट 8 सरफेस रिफ्लेक्शन उत्पादों के लिए वैज्ञानिक रूप से वैध है? यहाँ पर लैंडसैट परावर्तन उत्पाद विवरण पाया जा सकता है । यह उल्लेख किया जाना चाहिए कि किसी को इस उत्पाद को प्राप्त करने के लिए सतह परावर्तन उत्पाद को अलग से ऑर्डर करने की आवश्यकता है। इस उत्पाद में केवल 7 बैंड (30 मी) आईआर और पैन बैंड नहीं हैं। तो, फिर से, मेरा प्रश्न यह है कि सामान्य (सतह परावर्तन) पैन बैंड (15 मी) के साथ सतह परावर्तन उत्पाद के 7 बैंड (30 मीटर) को फ्यूज करने के लिए वैध है। मैं इस चित्रण छवि का उपयोग विभाजन के लिए और भूमि आवरण मानचित्रण के बाद करना चाहता हूं। इसलिए मुझे यह जानने की आवश्यकता है कि क्या इस प्रकार के पैन का कोई भी प्रचलन शिक्षाविदों के संदर्भ में तीक्ष्णता से है, यदि हां तो कृपया इसका हवाला दें।

जवाबों:


9

मौलिक रूप से यहाँ सवाल "वैज्ञानिक रूप से मान्य 'का क्या अर्थ है"। यदि आप डेटा पर वर्णक्रमीय मॉडलिंग करना चाह रहे हैं, तो इसका उत्तर संभवतः भिन्न है यदि आप वर्गीकरण / छवि विभाजन करना चाहते हैं। Pansharpening (विधि के आधार पर) बस मूल्यों की सीमा को काफी कम मात्रा में बदलने जा रहा है और संभावना के दायरे से बाहर अपने प्रतिबिंब मूल्यों को नहीं डालना चाहिए।

कुल मिलाकर, यह इस बात पर बहुत निर्भर करता है कि आप किस एप्लिकेशन के लिए डेटा का उपयोग करने जा रहे हैं। इसके अलावा, pansharpening का प्रभाव आपके द्वारा किए जा रहे अध्ययन में आंशिक पक्ष परिणाम के रूप में दस्तावेजीकरण के लायक भी हो सकता है। इसका परिणाम यह हो सकता है कि इसमें कुछ भी नहीं जोड़ा जाता है, कई पिक्सेल के अलावा चार बार, जिसका अर्थ है चार गुना लंबे प्रसंस्करण समय, जो कुछ मामलों में शोस्टॉपर है।

संपादित करें: इस विषय पर लेखों का मेरा डेटाबेस बहुत बड़ा नहीं है, लेकिन मेरे पास ये दो हैं जहाँ छवि विभाजन के लिए डेटा का उपयोग (उचित परिणामों के साथ) किया जाता है:

शेकफोर्ड, एके, और डेविस, सीएच (2003)। शहरी क्षेत्रों पर उच्च-रिज़ॉल्यूशन मल्टीस्पेक्ट्रल डेटा के वर्गीकरण के लिए एक संयुक्त फ़ज़ी पिक्सेल-आधारित और ऑब्जेक्ट-आधारित दृष्टिकोण। जियोसाइंस और रिमोट सेंसिंग पर IEEE लेनदेन, 41 (10), 2354–2364। http://doi.org/10.1109/TGRS.2003.815972

फर्नांडीज, आई।, अगुइलर, एफजे, अगुइलर, एमए, और अल्वारेज़, एमएफ (2014)। एक वस्तु आधारित दृष्टिकोण के माध्यम से वीएचआर सैटेलाइट और एरियल इमेजरी का उपयोग करते हुए प्रभावशाली सतह क्षेत्रों पर डेटा स्रोत और प्रशिक्षण आकार का प्रभाव। आईईईई जर्नल ऑफ एप्लाइड अर्थ ऑब्जर्वेशन एंड रिमोट सेंसिंग में चयनित विषय, 7 (12), 4681-4691।


प्रश्न संपादित किया।
18

2
आपके उत्तर में संबोधित नहीं की गई समस्या यह है कि सतह प्रतिबिंब परावर्तन बैंड के डीएन मानों की तुलना में विभिन्न इकाइयों में हैं। 8. जबकि कुछ एल्गोरिदम परवाह किए बिना काम करेंगे (उदाहरण के लिए, पीसीए) पैन में सतह के परावर्तन बैंड में परिणामी मूल्यों पर प्रभाव। उल्लेखनीय रूप से पक्षपाती हो सकता है और इस तरह "वैज्ञानिक रूप से मान्य" नहीं है, जो भी इसका मतलब है। हालांकि, एक ज्ञात "सामग्री प्रतिबिंब गुण" स्टैंड बिंदु से वास्तव में अमान्य हैं क्योंकि बैंड 8 में डीएन मूल्यों के आधार पर वर्णक्रमीय वक्रों को बदल दिया गया है जो अपेक्षित मूल्यों से मेल नहीं खाते हैं।
जेफरी इवांस

1
@JeffreyEvans जो सभी पर निर्भर करता है कि किस विधि का उपयोग किया जा रहा है - एक ऐसा तत्व जो सवाल का हिस्सा नहीं है। हालांकि, यह देखते हुए कि विषय छवि विभाजन है, प्राथमिक लक्ष्य ज्ञात सामग्रियों को मॉडल करना नहीं है, बल्कि मूल्यों की क्रॉस-सीन तुलना के लिए अनुमति देना है - जिसका अर्थ है कि प्राथमिक चिंता का विषय नहीं है, लेकिन वायुमंडलीय सुधार की स्थिरता है।
मिकेल लिडहोम रासमुसेन

आपके द्वारा दिए गए सभी तरह के प्रयासों के लिए धन्यवाद! वास्तव में मैं जानना चाहता हूं कि क्या यह वैध है अगर मैं वर्गीकरण उद्देश्य के लिए atmosperically सही उत्पाद के साथ पैनापन पैनापन उत्पाद। यदि हाँ, तो मुझे ऐसा करने का स्थापित तरीका बताइए, क्योंकि उपरोक्त चर्चा के बाद से मुझे अनुसंधान उद्देश्य के लिए एक वर्गीकरण करने की आवश्यकता है। क्या आप कृपया भूमि के लिए कागज का हवाला देते हैं।
SIslam

@SIslam - मुझे नहीं लगता कि ऐसा पेपर ढूंढना संभव होगा जो विशेष रूप से बिना पैंक्रोमेटिक डेटा के साथ वायुमंडलीय रूप से सुधारे गए डेटा को पैंशर करने पर देखता हो। यह एक बहुत ही तकनीकी विवरण है, एक ऐसा विवरण जो वास्तव में केवल मजबूत तकनीकी उपयोगकर्ताओं के लिए मायने रखता है और उन उपयोगकर्ताओं को आमतौर पर अपने वायुमंडलीय सुधार करना होगा, बजाय काफी त्रुटि वाले भू-सतह सतह परावर्तन उत्पाद का उपयोग करने के बजाय।
मिकेल लिडहोम रासमुसेन

0

सबसे पहले - जब तक आप वास्तव में नहीं जानते कि आप क्या कर रहे हैं और क्या प्रयोग कर रहे हैं - आप पैन को डीएन से TOO परावर्तन में सही रूप से नहीं बदल सकते। यह डेटा पूरी तरह से दृश्य वृद्धि के उद्देश्य से बनाया गया है; और कोई वर्णक्रमीय जानकारी इससे प्राप्त नहीं की जानी चाहिए।

टीओए परावर्तन मान यूएसजीएस द्वारा बताए गए 16 बिट डेटा प्रकार से एक पुन: पैमाने हैं । जिसका मतलब है कि आप मल्टीस्पेक्ट्रल टीओए परावर्तन डेटा के साथ सीधे पैन बैंड को इनपुट के रूप में उपयोग कर सकते हैं। विशेष रूप से सबसे अधिक - यदि सभी नहीं - पैन-पैनापन एल्गोरिदम कुछ प्रकार के डेटा सामान्यीकरण के साथ शुरू होते हैं।

एक और चीज जो आप कर सकते हैं - बस अपने दिमाग को कम करने के लिए - दो नमूना डेटा (स्तर 2 और स्तर 1) लेना है; दोनों पर पैन-शार्पनिंग लागू करें, और दोनों परिणामों पर एक वर्णक्रमीय और स्थानिक मूल्यांकन करें।

पुनश्च: अपनी परियोजना के विषय के बारे में

पिछले साल, मैंने छवि वर्गीकरण पर पैन-शार्पनिंग प्रभाव के मूल्यांकन से संबंधित एक परियोजना पर काम किया , जहां इनपुट डेटा क्विकरबर्ड और लैंडसैट 8 उपग्रह इमेजरी थे। एकाधिक एल्गोरिदम और दृष्टिकोण का परीक्षण किया गया। और परिणाम बहुत दिलचस्प थे। हमने अभी तक लेख को प्रकाशित करने के लिए चारों ओर नहीं देखा है इसलिए मैं हमारे द्वारा की गई अधिकांश चीजों का खुलासा नहीं कर सकता। लेकिन एक बात जो मैं कह सकता हूं: मूल डेटा (पूर्ण बैंड) और सेगमेंटेड पैन-शार्प इमेजरी के संयोजन का उपयोग करना। जैसा कि लैंडसैट डेटा पर किए गए अधिकांश प्रयोगों से पता चला है कि मूल डेटा के वर्गीकरण की तुलना में समग्र सटीकता और कप्पा गुणांक नीचे गिर गया।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.