Automatyczne wykrywanie śladów

Biorąc pod uwagę obszar z zagłębieniami w otwartej przestrzeni od; powiedzmy wszystkie pojazdy terenowe jadące na miękkiej powierzchni. Pojazdy będą powodować równoległe wgłębienia (ścieżki) o głębokości około 10-20 centymetrów i szerokości około 15-30 cm, przy długościach różniących się w zależności od wytrzymałości powierzchni.

Które platformy teledetekcji byłyby odpowiednie do późniejszej analizy? Quickbird, mniejsze drony, lidar, zdjęcia lotnicze?
Czy w narzędziach (FME / QGIS / ESRI / inne) dostępne są jakieś procedury, które można wykorzystać do udokumentowania ścieżek?

Dla uproszczenia tego pytania załóżmy, że pozytywnie wiemy, że nie ma innych ścieżek w tym obszarze lub że zostały one odfiltrowane ze zdjęć.

Pełna automatyzacja nie jest konieczna i prawdopodobnie nawet niemożliwa.

To jest przykład tego, jak wyglądałyby ścieżki. wprowadź opis zdjęcia tutaj

— Ragnvald
źródło

To dobre pytanie. Zwykle wolę dwie platformy - jedną do znalezienia, drugą do potwierdzenia. Brązowe zagłębienie z większym prawdopodobieństwem może być koleinem, natomiast zagłębienia inne niż koła częściej są „zielone”. LiDAR da ci najlepszy DEM do znajdowania depresji, a IR najlepiej klasyfikuje roślinność / nie roślinność. Należy pamiętać, że LiDAR, w zależności od wielu czynników, da różne wyniki tam, gdzie gromadzi się woda. Tradycyjnie byłyby one rejestrowane na podstawie samej fotografii, która zajmuje dużo godzin pracy, ale trzeba wyważyć koszty pracy w porównaniu do akwizycji danych.

— Michael Stimson,

Zakładam, że Twoim ostatecznym celem jest identyfikacja tras terenowych. Jaki jest zasięg twojego obszaru nauki? Gdzie jest obszar badań?

— Aaron

Dzięki Aron, tak, to jest związane z torami terenowymi. Naszym celem jest udokumentowanie ich, aby uzyskać informację o zakresie wszelkich szkód. Prawdopodobnie ograniczylibyśmy to do niektórych jednostek zarządzania, takich jak rezerwaty przyrody, parki narodowe lub podobne. Na razie staramy się ustalić nasze opcje przed zaprojektowaniem projektu.

— ragnvald

Nie jestem pewien, czy LiDAR na śniegu (nie ma go dużo w Queensland), otwarte przestrzenie są o wiele łatwiejsze do sklasyfikowania i można uciec z tańszymi czujnikami (mniej zwrotów na impuls) .. na obszarach silnie zarośniętych konieczne jest użycie wielu zwrotów na impuls, aby znaleźć grunt; gęstość impulsu jest taka sama, ale mniej zwrotów. Aby znaleźć bruzdy, odstępy między punktami będą musiały być całkiem dobre (ponad 8 impulsów / m2), co oznacza mniej latania, więcej pasków, więcej kosztów, więcej miejsca do przechowywania, dłuższy czas przetwarzania. Fotografowanie zrobione w Chinach lub Indiach może być znacznie tańsze.

— Michael Stimson,

Powinienem zakwalifikować moje poprzednie oświadczenie, jeśli musisz nabyć LiDAR i zdjęcia wielospektralne dla tego projektu i nie możesz zrównoważyć kosztów (wspólne zakupy z inną firmą lub departamentem rządowym, który ma odrębne interesy w tym samym obszarze), koszt wynosi będzie wysoki, prawdopodobnie wyższy niż schwytanie, pod warunkiem, że możesz pozyskiwać siłę roboczą w niskim tempie. Nie twierdzę, że jest to niemożliwe, z daleka byłoby to bardzo interesujące jako biała księga, po prostu prawdopodobnie nie najtańsza opcja.

— Michael Stimson,

Nie jestem pewien, czy może to być najlepsze rozwiązanie dla twojego celu, ale moje doświadczenie z danymi SAR sugeruje, że może to być właściwy sposób na znalezienie śladów w Savannah i środowisku piaszczystym.

Ponieważ SAR jest spójnym systemem obrazowania, można rozważyć dwie formy wykrywania zmian, a mianowicie niespójne i spójne wykrywanie zmian. Niespójne wykrywanie zmian identyfikuje zmiany średniej mocy rozproszenia wstecznego sceny zazwyczaj za pomocą statystyki zmiany średniego współczynnika intensywności (sygnał amplitudy). Z drugiej strony, spójne wykrywanie zmian identyfikuje zmiany zarówno amplitudy, jak i fazy transdukowanych obrazów za pomocą przykładowej statystyki zmiany koherencji. Spójne wykrywanie zmian ma zatem potencjał do wykrywania bardzo subtelnych zmian sceny w strukturze rozpraszania komórek o mniejszej rozdzielczości, które mogą być niewykrywalne przy użyciu niespójnych technik. Innymi słowy, ślady pojazdów lub zwierząt.

Dzięki wykrywaniu zmiany koherencji (CCD) możesz uzyskać spójną mapę faz (panchromatyczną). Biały piksel oznacza spójny sygnał (bez zmian), czarny piksel oznacza niespójny sygnał (zmiany). Gdzie można znaleźć równoległe ścieżki dla długości zainteresowania, oznacza to, że powinno być interesujące więcej badań.

wprowadź opis zdjęcia tutaj

Oczywiście zależy to od długości fali fazy i współczynnika czasu.
Powtórzone zdjęcia SAR muszą jednak zostać uzyskane i przetworzone interferometrycznie.

Głównie istnieją 2 dobre narzędzia do przeprowadzenia tego rodzaju analizy: Erdas z pakietem Radar Mapping Suite i ENVI z modułem SarScape.

Moja ocena jest pozbawiona aspektów ekonomicznych.

— superifa
źródło

Ta metoda zakłada, że istnieją obrazy przedstawiające aktywność przed i po. Biorąc pod uwagę, że w niektórych przypadkach będziemy mieli tylko obrazy 5-letnie (pankromatyczne), powinniśmy spodziewać się dużego hałasu, a zatem ta metoda może być problematyczna.

— ragnvald