Postępowanie z cieniami górskimi przy klasyfikacji Landsat 8


10

Staram się sklasyfikować jakiś obszar w północnej Mongolii za pomocą zdjęć satelitarnych Landsat 8 z 2013 roku. Ponieważ nagrania zostały wykonane zimą, słońce jest bardzo nisko w czasie akwizycji. Dlatego z gór są bardzo długie i ciemne cienie.

Jestem w stanie zidentyfikować ten cień za pomocą DEM, jak opisano w tym pytaniu: Jak usunąć efekty topograficzne takie jak cienie z obrazu Landsat

Jak przeprowadzić nadzorowaną klasyfikację przyciętego zacienionego obszaru? Czy można ulepszyć te obszary? Próbowałem kilku współczynników pasma, ale nie wiem, który jest najlepszy dla mojego zadania.

Na tym zdjęciu widać, że w ciemnych cieniach znajdują się obszary wegetacyjne, ale ich klasyfikacja nie jest możliwa.

przykład dla niektórych zacienionych obszarów


2
Czy przekonwertowałeś to na współczynnik odbicia? Jakiej metody użyłeś?
Aaron

2
Nie, nie zrobiłem tego. Użyłem stosu warstw pasma 3,4,5 i wykonałem klasyfikację maksymalnej wiarygodności w ArcGIS. Dla lepszej interpretacji tego obszaru użyłem NDVI i niektórych fałszywych kompozycji kolorów.
dan_ke,

2
Właśnie dlatego współczynnik odbicia i ortorektyfikacja na czujniku są ważnymi krokami wstępnego przetwarzania.
Jeffrey Evans

Próbowałaś żadnej korekty Topograficznej jak C-poprawienia lub Minnaert ?, proszę, jeśli coś jak to może pomóc. Przedstawię dalsze szczegóły, jak to osiągnąć.
Paulo Cardoso

2
Od DN do TOA nie usunie efektu topograficznego. Korekcja topograficzna (normalizacja topograficzna) zminimalizuje, a nie wyeliminuje, efekt cienia, co będzie szczególnie istotne w twoim przypadku. Zalecam przeczytanie tego, aby zobaczyć ogólny problem i możliwe podejścia.
Paulo Cardoso,

Odpowiedzi:


1

W rzeczywistości nie jest zapewnione, że będziesz w stanie odzyskać niektóre informacje z zacienionych obszarów. Jednak kiedyś z powodzeniem radziłem sobie z cieniami (chmurami) na obrazie hiperspektralnym. Celem była prosta klasyfikacja pokrycia terenu. Oto co zrobiłem. Nie jestem pewien, jak to będzie działać z obrazami Landsat, ale ponieważ jest to bardzo proste, powinieneś spróbować.

Po wykryciu cienia po prostu wykonałem dopasowanie histogramu zacienionych obszarów do reszty obrazu. Uważaj, ponieważ robiąc to, zakładasz, że sygnał spektralny w obszarach zacieniowanych i sygnał w obszarach oświetlonych należą mniej więcej do tych samych klas (~ te same rozkłady). Chociaż jest to bardzo prosta i uproszczona metoda, udało mi się poprawnie sklasyfikować zacienione piksele kosztem niektórych małych błędów obramowania cienia. Być może uda Ci się połączyć wszystkie możliwe stosunki pasma z obrazem i renormalizować wszystkie funkcje przed klasyfikacją, co może jeszcze bardziej zmniejszyć efekty cienia. Prawdopodobnie wtedy będziesz musiał użyć solidnego klasyfikatora.

EDYCJA: Dodatkowo możesz znormalizować każdy piksel, aby miał normę jednostkową (patrząc na każdy piksel jako wektor spektralny). Powinno to również pomóc w usuwaniu efektów cienia.


1

Sugerowałbym to, co Stella powiedziała poniżej. Możesz po prostu sklasyfikować go jako cień, aby nie zaszkodził twojej dokładności. Oczywiście upewnij się, że masz wystarczająco dużo obszarów zainteresowania lub obszarów treningowych cienia, aby upewnić się, że wszystko jest sklasyfikowane. Jeśli musisz przedstawić prezentację, możesz skomentować, że większość obszarów cienia jest jednolita z pobliską częścią góry, co oznacza, że ​​jeśli strona góry, na którą uderza słońce, odzwierciedla właściwości wegetatywne, wówczas druga strona cóż, gdyby uderzyło w nią słońce. Mam nadzieję że to pomoże. Musiałem to zrobić i jeśli nie sklasyfikujesz cienia ani nie zastosujesz do niego poprawek, zostanie on sklasyfikowany tak samo jak woda, ponieważ mają podobieństwa spektralne.


0

Sugerowałbym klasyfikację cieni oddzielnie od reszty obrazu. Jeśli możesz znaleźć odrębną klasę cienia, zamaskuj piksele „cienia”, a następnie rozciągnij je i ponownie sklasyfikuj (uważaj, jak rozciągasz). Nie jestem ekspertem w klasyfikacji obrazów, ale zdecydowanie potwierdziłbym wyniki za pomocą innych zdjęć.

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.