タグ付けされた質問 「digital-image-processing」

1
高空間解像度のパンクロマティック画像の関連付け
パンクロマティック衛星画像はどのように、そしてなぜ高空間解像度に関連付けられていますか？私はグーグルで調べて、それが単一バンド画像であることを発見しましたが、なぜそれがパンクロマティック（すべての色）と呼ばれるのですか？可視領域全体をカバーするということですか？
2
データカバレッジが100％未満のときに衛星画像タイルを完成させる
複数の画像（> = 2）を1つの「最良の」画像に結合したい。ベストは、低いクラウドカバーと高いデータカバレッジで定義されます。無料のSentinel衛星データを使用した例を次に示します。 http://sentinel-s2-l1c.s3.amazonaws.com/tiles/12/S/XB/2017/6/1/0/preview.jpg および http：//sentinel-s2-l1c.s3.amazonawsを参照して ください.com / tiles / 12 / S / XB / 2017/6 /以下の画像のソース。 完全なタイルを生成するために100％のデータカバレッジを持たない衛星画像タイルを完成させるためのアルゴリズムやプロセスはありますか？ 私が意味するものの例については、以下の視覚化を参照してください。 私は文献にあまり詳しくないので、私が探しているべき用語が何であるか分かりません。 例： 例：
4
.tif画像をいくつかのタイルに分割しますか？[閉まっている]
閉じた。この質問はより集中する必要があります。現在、回答を受け付けていません。 この質問を改善したいですか？この投稿を編集するだけで1つの問題に焦点を当てるように質問を更新します。 7か月前に閉鎖されました。 サイズが1GB（.tif）で、幅と高さが94000x71680のイメージがあります。この画像を20000X20000タイルにチャンクして、処理できるようにします。 これどうやってするの？
2
衛星データを使用した氷の種類の区別
氷河の領域を雪（存在する場合）と氷のカテゴリで分類したいと思いますが、最も重要なことは、古い氷と新鮮な氷の間です。フィールドで認識できるさまざまなプロパティがありますが、衛星データを使用してこれを実行できますか？（30 / 15mの空間解像度のため、Landsatが望ましい）
2
パンバンドを使用したパンシャープンランドサット反射率製品は科学的に正しいですか？
Landsat 8表面反射率製品とその各帯域のパンバンドを融合/パンすることが科学的に有効かどうかを知る必要がありますか？Landsat反射率製品の詳細については、こちらをご覧ください。この製品を入手するには、表面反射率製品を個別に注文する必要があることに注意する必要があります。この製品には、IRおよびパンバンドではなく、7バンド（30m）しか含まれていません。それで、私の質問は、表面反射率積の7バンド（30m）を通常の（表面反射率ではない）パンバンド（15m）と融合することは妥当です。私はこのパンシャープン画像をセグメンテーションと土地被覆マッピングに使用したいので、学界でこのタイプのパンシャープニングの実践が確立されていることを参照する必要があります。
1
Rを使用した天然資源アプリケーションのマルチスペクトル画像セグメンテーション
Rには画像セグメンテーションの能力がありますが、私が出くわしたすべての例では、セグメンテーションに単一のバンドを使用しています（例）。Rのランダムフォレストイメージ分類の能力とオブジェクト指向セグメンテーションアプローチを組み合わせることに興味があります。 Rは、天然資源ベースの分析に適したマルチスペクトル画像セグメンテーションにどのような機能を備えていますか？または、さらに分析するために、単一バンドセグメンテーションの結果をリンクする方法。
1
LIDAR DTMを使用した溝の抽出（解像度1m）
ソフトウェアeCognitionを使用してLIDAR DTMを使用して溝を抽出しようとしていますが、「湿地でのLiDAR派生DTMを使用したDitchesのネットワーク抽出と水文地形学的特徴付け」という私のワークフローをベースにした論文では実際に苦労していますeCognitionに入力された詳細なルールセットがあります。 ここであなたの中で、農業景観や都市環境、おそらく道路沿いの溝に溝を抽出する方法を知っている人は誰ですか？ または、そのような作業やプロジェクトを行ったことがない場合でも、私が溝を抽出できる優れたアイデアを他に持っている人がいるかもしれません。
2
KによるRGB画像の画像セグメンテーションはPythonでのクラスタリングを意味します
kを使用して土地被覆のRGB画像をセグメント化したいのですが、画像の異なる領域が異なる色でマークされ、可能であれば異なる領域を区切る境界が作成されるような方法でクラスタリングを行います。私は次のようなものが欲しい： これから ： K平均クラスタリングによってこれを達成することは可能ですか？私はインターネット全体を検索しており、多くのチュートリアルではkでクラスタリングを行っていますが、画像をグレースケールに変換した後でのみです。RGB画像のみでやりたい。私がそれを始めるのに役立つソースはありますか？何か提案してください。
1
ラスターの欠損値を埋める新しい方法
一部のラスターで欠損値を埋めるための堅牢な方法を探しています。彼らはすべて単一の層を持っています。欠損値は、単一ピクセルから中サイズのパッチで構成されます。ラスターのサイズは約1000 x 1000ピクセルで、最大のパッチは20x20ピクセルのようなものです。 Hmisc RパッケージのaregImputeを使いたくなります。誰かがこの目的でそれを使用しましたか？ このアプローチは非常にクールに見えますが、見た目に美しい修正を生成することのみを目的としています。 これの詳細な説明： すべてのラスター（合計で36個あります）は同じ範囲を共有し、重なり合って位置合わせされます。各ラスターは異なる変数です。さまざまなソース（リモートセンシング、地形学、気候学）から変数を収集しました。元のラスターにはさまざまな解像度があります。最小は30mです。そこから彼らは1kmもの高さになります。3次たたみ込み（すべての変数は連続）を使用してすべてを1kmにリサンプリングしました。別の1kmのラスターがあり、そこにはいくつかのサンプリングされたポイントの対象となる変数のデータがあります。そこで、それらのポイントと他のラスターを共変量として使用してモデルをトレーニングし、その変数の完全なラスターを生成できるようにしました。残念ながら、ほとんどの共変量ラスターにはいくつかの欠損値がありますが、実際にはそれほどではありませんが、問題を完全に解消したいと思います。 ありがとうございました。 ps私はこれにRを使用したいと思います。
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.