GRASSで画像分類のためにLandsat画像をパンシャープンするには?


11

パンシャープンされた15m解像度の画像を使用して、GRASSでi.cluster> i.maxlikを使用して、Landsatシーンの教師なし分類を行う方法を学習したいと思います(Wikiの例では通常の30m解像度を使用しています)。

i.pansharpen最初にパンシャープン画像を作成するために使用してみましたが、またはi.pansharpenを使用して結合できる3つのチャネルしか出力できません。私の知る限り、画像分類プロセスには、完全なマルチスペクトルバンド1〜7が必要です。15m解像度のバンド8画像を使用してパンシャープンされた個別のバンド(バンド1〜7)を生成する方法画像分類プロセス?d.rgbr.composite

私は彼らがこれをどのように行ったかを示す論文を見つけました。基本的には、何らかの種類の主成分分析を使用して、30mのマルチスペクトルバンドを15mのパンクロマティックバンドに何らかの方法でマージしました。正確な引用は次のとおりです。

「この方法では、最初に30メートルのマルチスペクトル画像を15メートルにリサンプリングします。次に、マルチスペクトル画像の6つの主成分すべてを計算します(コース解像度のためにサーマルバンドを削除しました)。その後、パンクロマティックバンドのヒストグラム(15メートル解像度)は30メートル画像の最初の主成分のヒストグラムに一致するように再スケーリングされ、最初の成分は再スケーリングされたパンクロマティックバンドに置き換えられます。パンクロマティック画像の広いスペクトルバンド。置換後、6つのコンポーネントは元のデータ空間に変換され、空間解像度が向上します。」

まず、この論文はアルゴリズム/公式をまったく示していませんでした。上記の引用を対応する数式に変換する方法がわかりません。i.pansharpen通常のBroveyやIHSの代わりにPCAアルゴリズムを使用できることに気づきましたが、それでも出力は赤、青、緑の3チャンネルのみになります-悲しいことに、それらを画像分類に使用する方法がわかりません..

したがって、新しいPCAアルゴリズムを手動で記述しようとして頭を割ろうとする前に、パンシャープンLandsat画像で画像分類を実行するためのより簡単でより良い方法を指摘するのを手伝ってくれる人はいますか?つまり、もっと簡単な方法があるはずですよね?シンプルなものが欠けているような気がします。

残っている唯一のルートが自分のスクリプトを書くことである場合、皆さんは私がやろうとしていることの例に似ている何かをそこに指摘していただけますか?

どんな助けも大歓迎です!


まず、提示された方法の第2ステップ(サーマル以外のすべてのバンドでのPCA)が15mバンドまたは元の30mバンドにリサンプリングされた場合、5ページの第1段落を読んだ後、私には明確ではありません。3番目のステップ(基準として1番目のPCを使用したパンバンドのヒストグラムマッチングは空間解像度です...?)から、2番目のステップ(PCA)が元のバンド(30 m)に適用されたと思います。4番目のステップでは、強化されたパンバンドが1番目のPCを置き換えます-したがって、おそらく2番目のステップは15 mバンドに適用されます!-そして最後に、後方PCAが強化された画像セットを導き出します。そうですか?
ニコスアレクサン

PCAを2回適用します。1回目は6バンドの元のセット(30m)に、1回目は15mのバンドのセットに1回適用しますか?
ニコスアレクサン

回答:


4

i.clusterには少なくとも2つのラスターが必要です。したがって、i.pansharpenからの3つの出力で十分です。


あなたは私からすべての3つの出力を配置する必要があります意味i.pansharpeni.group?うーん、それを考えたことはありません(i.group別のバンドのラスターが必要だと思いました)。3つのラスターのみを使用した分類の品質は、範囲全体の使用とは異なるはずですよね?気にしないで、まず試してみます。ありがとう@Vladimir Naumov!

今のところこれでうまくいくと思います!私は何か簡単なものを見逃したことを知っていた:)
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.