Hava fotoğrafları yansıtırken hangi örnekleme tekniği kullanılmalıdır?

Hava fotoğraflarının biraz yoğun projeksiyonunu yapıyorum ve merak ediyorum - hava fotoğraflarında en iyi yeniden örnekleme tekniği hangisidir? ArcMap’te seçeneklerim, EN YAKIN, BILINEAR, CUBIC ve MAJORITY.

Kategorik veriler için En Yakın Komşu ve Çoğunluk tavsiye edilirken, Kübik Evrişim ve Bilinear İnterpolasyon sürekli veri içindir.

Hava fotoğraflarını yansıtmak için yaygın olarak kullanılan bir algoritma olup olmadığını bilmek merak ediyorum . Sadece Yakın Komşu kullanarak bir görüntü yansıtmayı bitirdim ve iyi görünüyor, fakat hava fotoğrafı kategorik veri değil, o yüzden bir sonraki Bilinear'ı deneyeceğim.

EDIT
Hava fotoğraflarını DEM'ler veya yağış verileriyle aynı tür sürekli veriler gibi düşünmüyordum, ama whuber sürekli olduklarını ve böyle ele alınması gerektiğini belirtti. Tekrar teşekkürler.

Hava fotoğrafları sürekli veridir. Her piksel, bir algılayıcı bölgesinin kendisine yönlendirilen ışığa olan tepkisini temsil eder ve bu ışık değiştikçe, yanıt sürekli değişir. Sonuç genellikle ayrıklaştırılır (genellikle 255 veya 256'ya göre) kategorilerdir, ancak bu verilerin niteliğini değiştirmez. Bu nedenle en yakın komşu veya çoğunluk gibi kategorik algoritmalar kullanmak yerine enterpolasyon yapmak istiyorsunuz. Bilinear enterpolasyon genellikle iyidir; yürütme süresinde bir miktar maliyetle, kübik evrişim yerel kontrastı biraz daha iyi tutacaktır. Küçük bir miktar ek bulanıklık kaçınılmazdır, ancak görüntü bu tür dönüşümlerden geçinceye kadar fark edilmesi neredeyse imkansızdır. En yakın komşuyla yapılan hatalar karşılaştırıldığında çok daha kötü.

Bu yüzden yorum yapmak için "itibar" yoksun ...

Hava fotoğrafları üzerinde radyometrik analiz yapılacaksa , yeniden örnekleme / projelendirmeden önce yapılmalıdır . Aksi takdirde, nihai ürüne neredeyse kesinlikle istenmeyen bir önyargı getireceksiniz. Blord-castillo'nun yukarıdaki yararlı yorumuna göre.

Antenlerin yakın ve son kullanımları görsel çekicilik veya arka plan haritalaması için olsaydı, size kullanışlı bir ürün veren en hızlı yöntemle giderdim.

• Yeni antenin hücre boyutu orijinal ile aynıysa, NEAREST en iyi IMHO'yu kullanır.

• Yeni antenin hücre boyutu orijinalden daha büyükse, BILINEAR en iyi sonucu verir.

• (Bazı çılgınca sebeplerden dolayı) yeni antenin hücre boyutu orijinalden daha küçükse, NEAREST kullanmaya geri döneceğim.

Diğer seçenekler, CUBIC ve MAJORITY, yeniden biçimlendirilmiş üründe artefaktlar üretecek, işlem süreleri uzayacak ve aksi halde yapmaya çalıştığınız şeye uygulanmayacak gibi görünecektir.

Son bir nokta olarak: Dünya yüzeyinden yayılan / yansıtan ışığın örneklenmesi süreci kavramsal olarak devam etse de, Dünya yüzeyinin hem sürekli hem de ayrık fenomen gösterdiği de doğrudur.

• Genel olarak, insan etkinliği ayrık geçişler üretme eğilimindedir ve

• "Doğal" özellikler sıklıkla (ancak her zaman değil) sürekli olarak değişkendir veya en azından bulanık kenarlara sahiptir.

Bu yüzden, yukarıdaki ilk kısımda belirtildiği gibi, antenleri nasıl manipüle ettiğiniz, onları nasıl kullanmayı umduğunuza bağlı olacaktır.

Bu sorunun oldukça eski olduğunu biliyorum, ancak başkalarının da aynı soruyu cevaplamaya çalışırken bu konuyla karşılaşması durumunda 2 kuruş eklemek istedim ...

Verilerinizi gerçekten RESAMPLE yapmak istediğinizde, örneğin 30 m piksel boyutundan 90 m piksel boyutuna kadar topluyorsanız, önceki cevaplar doğrudur. Bu durumda, her bir piksel için yakındaki piksel koleksiyonunu temel alarak yeni bir değer yaratmaya çalışıyorsunuz. Yani evet, ayrık veri kümeleri için En Yakın Komşu’yı seçerken, sürekli veri için Bilinear veya Cubic Convolution’ı seçersiniz.

Ancak bu soruda amaç aslında verileri yeniden örneklendirmek değil, sadece mevcut verileri yeni bir projeksiyona dönüştürmektir - aynı değerleri, sadece yeni bir projeksiyonda istersiniz. Bu durumda, orijinal veri değerlerinin bütünlüğünü korumak için, kesintisiz ve sürekli veri kümeleri için En Yakın Komşu örneklemesini kullanmak istersiniz. Bu ifadenin "yeniden örnekleme" hakkında okuduğunuz her şeye aykırı olduğunu biliyorum, ancak elde etmek istediğiniz şey ve verilere ne yaptığınız hakkında gerçekten eleştirel düşünün. Ayrıca, bu öneriyi bir hevesle yapmıyorum ... 5 yıl boyunca GIS / Uzaktan Algılama konusunda uzmanlaşmış bir doktora çalışmasının yanı sıra GIS / uzaktan algılama lisansüstü dersleri de verdim.

Başka bir not, orijinal poster sıfır ve / veya negatif değerler sordu ... Bu değerler gerçek veri değerleri ise (yani rakım gerçekten 0 veya -34,5 olabilir), o zaman bu değerleri eklemek istersiniz. Bununla birlikte , söz konusu değerler gerçek veriler değilse ve bunun yerine NoDATA'yı (0 veya -9999) göstermek için kullanılırsa, o zaman bilinear veya kübik evrişim yoluyla yeniden örnekleme yapmadan önce bu pikselleri rasterinizden (kaldırmanız) maskelemeniz gerekir. . Aksi takdirde, bu -9999 pikseller yeniden örnekleme hesaplamasına dahil edilir; sanki o pikselin gerçek bir i9999 yüksekliği varsa ve geçersiz veri değerleriyle sonuçlanır. Kübik evrişimde ÇOK basitleştirilmiş bir örnek olarak, en yakın 4 hücre değeriniz 4, 5, 16, -9999 ise, -9999 dahil olmak üzere, -9974'ün geçerli bir veri olmayan yeni bir piksel değeriyle sonuçlanabilir.