Я пытаюсь классифицировать некоторую область в северной Монголии, используя спутниковые снимки Landsat 8 с 2013 года. Поскольку записи были сделаны зимой, солнце во время съемки очень низкое. Поэтому от гор очень длинные и темные тени.
Я могу идентифицировать эту тень с помощью матрицы высот, как описано в этом Вопросе: Как удалить топографические эффекты, такие как тени, из изображения Landsat
Как я могу выполнить контролируемую классификацию для отсеченной затененной области? Можно ли расширить эти области? Я пробовал некоторые соотношения групп, но я не знаю, какое лучше для моей задачи.
На этом изображении вы видите, что в темных тенях есть некоторые растительные области, но их невозможно классифицировать.
Ответы:
На самом деле, это не значит, что вы сможете восстановить некоторую информацию из затененных областей. Однако однажды я успешно справился с (облачными) тенями на гиперспектральном изображении. Целью была простая классификация земного покрова. Вот что я сделал. Я не уверен, как это будет работать с изображениями Landsat, но, поскольку это очень просто, вы должны попробовать.
Как только я обнаружил тень, я просто выполнил сопоставление гистограммы затененных областей с остальной частью изображения. Будьте осторожны, так как при этом вы предполагаете, что спектральный сигнал в затененных областях и сигнал в освещенных областях более или менее принадлежат к одним и тем же классам (~ одинаковое распределение). Несмотря на то, что это очень простой и упрощенный метод, я смог правильно классифицировать затененные пиксели за счет небольших ошибок в теневых границах. Может быть, вы можете сложить все возможные соотношения полос к изображению и перенормировать все функции перед классификацией, это может еще больше уменьшить эффекты тени. Вы, вероятно, должны использовать надежный классификатор тогда.
РЕДАКТИРОВАТЬ: Кроме того, вы можете нормализовать каждый пиксель, чтобы иметь единичную норму (рассматривая каждый пиксель как спектральный вектор). Это также должно помочь в удалении теневых эффектов.
источник
Я бы предложил то, что сказала Стелла ниже. Вы можете просто классифицировать его как тень, чтобы он не повредил вашей точности. Конечно, убедитесь, что у вас достаточно областей интереса или областей обучения тени, чтобы убедиться, что все это классифицировано. Если вам нужно сделать презентацию, вы можете прокомментировать, что большинство теневых областей однородны с ближней боковой частью горы, а это означает, что если сторона горы, на которую падает солнце, отражает вегетативные свойства, то другая сторона хорошо, если бы солнце ударяло это. Надеюсь это поможет. Я должен был сделать это, и если вы не классифицируете тень или не применяете к ней поправки, она будет классифицироваться так же, как вода, поскольку они имеют спектральное сходство.
источник
Я бы предложил классифицировать тени отдельно от остальной части изображения. Если вы можете найти отдельный теневой класс, замаскируйте «теневые» пиксели, а затем растяните их и переклассифицируйте (будьте осторожны при растяжении). Я не эксперт в классификации изображений, но я определенно подтвердил бы любые результаты с другими изображениями.
источник