Kỹ thuật tái định hình nào nên được sử dụng khi chiếu ảnh trên không?

Tôi đang thực hiện một số dự án ảnh trên không tốn nhiều thời gian và tôi tò mò - kỹ thuật lấy mẫu nào là tốt nhất để sử dụng trên ảnh trên không? Trong ArcMap, các tùy chọn của tôi là NEAREST, BILINEAR, CUBIC và MAJORITY.

Hàng xóm và Đa số gần nhất được khuyến nghị cho dữ liệu phân loại, trong khi Phép nội suy khối và Phép nội suy song phương dành cho dữ liệu liên tục.

Tôi tò mò muốn biết liệu có bất kỳ thuật toán thường được sử dụng để chiếu ảnh trên không . Tôi vừa hoàn thành việc chiếu một hình ảnh bằng cách sử dụng Hàng xóm gần nhất và nó có vẻ tốt, nhưng một bức ảnh trên không không phải là dữ liệu phân loại, vì vậy tôi sẽ thử tiếp theo với Bilinear.

EDIT
Tôi đã không nghĩ về những bức ảnh trên không giống như dữ liệu liên tục như DEM hoặc dữ liệu lượng mưa, nhưng người chỉ ra rằng chúng là liên tục và nên được xử lý như vậy. Cảm ơn một lần nữa.

Ảnh trên không là dữ liệu liên tục. Mỗi pixel đại diện cho phản ứng của một vùng cảm biến đối với ánh sáng hướng vào nó và khi ánh sáng đó thay đổi, phản ứng thay đổi liên tục. Kết quả thường được phân loại (thường thành 255 hoặc 256), nhưng điều đó không làm thay đổi bản chất của dữ liệu. Do đó, bạn muốn nội suy thay vì sử dụng các thuật toán phân loại như hàng xóm hoặc đa số gần nhất. Nội suy song phương thường chỉ là tốt; với một số chi phí trong thời gian thực hiện, tích chập khối sẽ giữ lại độ tương phản cục bộ tốt hơn một chút. Một lượng nhỏ độ mờ bổ sung là không thể tránh khỏi, nhưng điều đó gần như không thể nhận thấy cho đến khi hình ảnh đã trải qua nhiều biến đổi như vậy. Các lỗi được thực hiện với hàng xóm gần nhất là tồi tệ hơn nhiều so với.

Tôi thiếu "danh tiếng" để bình luận nên ...

Nếu phân tích bằng phép đo phóng xạ sẽ được thực hiện trên các bức ảnh chụp từ trên không thì nên thực hiện trước khi lấy mẫu lại / chiếu. Nếu không, bạn gần như chắc chắn sẽ giới thiệu sự thiên vị ngoài ý muốn vào sản phẩm cuối cùng. Theo nhận xét hữu ích của blord-castillo ở trên.

Nếu việc sử dụng gần và cuối cùng của các ăng-ten là để thu hút thị giác hoặc lập bản đồ nền, thì tôi sẽ sử dụng phương pháp nhanh nhất mang lại cho bạn một sản phẩm có thể sử dụng được.

• Nếu kích thước ô của máy bay mới giống với bản gốc, thì NEAREST hoạt động tốt nhất IMHO.

• Nếu kích thước tế bào của máy bay mới lớn hơn bản gốc, thì BILINEAR hoạt động tốt nhất.

• Nếu (vì một lý do điên rồ nào đó) kích thước tế bào của máy bay mới nhỏ hơn bản gốc, thì tôi sẽ quay lại sử dụng NEAREST.

Các tùy chọn khác, CUBIC và MAJORITY, sẽ tạo ra các tạo phẩm trong sản phẩm được ghép lại, mất nhiều thời gian hơn để xử lý và dường như không áp dụng cho những gì bạn đang cố gắng thực hiện.

Như một điểm cuối cùng: Mặc dù đúng là quá trình lấy mẫu ánh sáng phát ra / phản xạ từ bề mặt Trái đất là liên tục về mặt khái niệm, nhưng cũng đúng là bề mặt Trái đất biểu hiện cả hiện tượng liên tục và rời rạc.

• Nói chung, hoạt động của con người có xu hướng tạo ra sự chuyển tiếp rời rạc và

• Các tính năng "tự nhiên" thường (nhưng không phải luôn luôn) thay đổi liên tục hoặc ít nhất là có các cạnh mờ.

Vì vậy, như được chỉ ra trong phần đầu tiên của tôi ở trên, cách bạn thao tác trên không sẽ phụ thuộc vào cách bạn mong đợi sử dụng chúng.

Tôi biết rằng câu hỏi này khá cũ, nhưng tôi muốn thêm 2 xu của mình, trong trường hợp những người khác bắt gặp chủ đề này để cố gắng trả lời cùng một câu hỏi ...

Các câu trả lời trước là chính xác khi bạn thực sự muốn GIẢI QUYẾT dữ liệu của mình, chẳng hạn như nếu bạn đang tổng hợp dữ liệu của mình từ kích thước pixel 30 m đến kích thước pixel 90m. Trong trường hợp này, bạn đang cố gắng tạo một giá trị mới cho từng pixel riêng lẻ, dựa trên bộ sưu tập các pixel gần đó. Vì vậy, có, ở đây đối với các tập dữ liệu riêng biệt, bạn sẽ chọn Vùng lân cận gần nhất, trong khi đối với dữ liệu liên tục, bạn sẽ chọn Kết hợp hai chiều hoặc Kết hợp khối.

Tuy nhiên, trong câu hỏi này, mục tiêu KHÔNG thực sự là lấy mẫu lại dữ liệu, mà chỉ đơn giản là chuyển đổi dữ liệu hiện có sang một phép chiếu mới - bạn muốn có cùng các giá trị, chỉ trong một phép chiếu mới. Trong trường hợp này, bạn KHÔNG muốn sử dụng mô hình lại Hàng xóm gần nhất cho các bộ dữ liệu rời rạc cũng như liên tục, để duy trì tính toàn vẹn của các giá trị dữ liệu ban đầu của bạn. Tôi biết tuyên bố này đi ngược lại mọi thứ bạn đọc về "lấy mẫu lại", nhưng thực sự suy nghĩ nghiêm túc về những gì bạn muốn đạt được và những gì bạn đang làm với dữ liệu. Ngoài ra, tôi không đưa ra khuyến nghị này một cách bất chợt ... Tôi đã dành 5 năm làm việc cho một tiến sĩ chuyên về GIS / Viễn thám, cũng như giảng dạy các khóa học về viễn thám / viễn thám.

Một lưu ý khác, người đăng ban đầu đã hỏi về giá trị 0 và / hoặc âm ... Nếu các giá trị này là giá trị dữ liệu thực (nghĩa là độ cao thực sự có thể là 0 hoặc -34,5), thì bạn muốn bao gồm các giá trị này. Tuy nhiên, nếu (các) giá trị trong câu hỏi không phải là dữ liệu thực và thay vào đó được sử dụng để đại diện cho NoDATA (giả sử 0 hoặc -9999), thì bạn cần che dấu các pixel này ra khỏi raster của mình (loại bỏ) trước khi ghép lại thông qua song tuyến hoặc tích chập khối . Mặt khác, các -9999 pixel đó sẽ được đưa vào tính toán lấy mẫu lại, như thể pixel đó có độ cao thực -9999 và bạn sẽ kết thúc với các giá trị dữ liệu không hợp lệ. Như một ví dụ đơn giản RẤT trong tích chập khối, nếu 4 giá trị ô gần nhất của bạn là 4, 5, 16, -9999, bao gồm -9999 có thể dẫn đến giá trị pixel mới là -9974, không phải là dữ liệu hợp lệ.