Я хочу объединить несколько изображений (> = 2) в одно «лучшее» изображение. Лучшее определяется для низкого облачного покрова и высокого охвата данных. Ниже приведен пример использования спутниковых данных Sentinel.
См http://sentinel-s2-l1c.s3.amazonaws.com/tiles/12/S/XB/2017/6/1/0/preview.jpg и HTTP: //sentinel-s2-l1c.s3.amazonaws .com /iles / 12 / S / XB / 2017/6 / для источника изображений ниже.
Существуют ли какие-либо алгоритмы или процессы для заполнения фрагментов спутниковых изображений, которые не охватывают 100% данных для создания полного фрагмента?
Смотрите визуализации ниже для примеров того, что я имею в виду.
Я не слишком знаком с литературой и не знаю, какую терминологию мне следует искать.
Пример:
Пример:
Ответы:
Для изображений с одним и тем же местоположением, но с разными датами, я бы предпочел говорить о компоновке, а не о мозаике (которая объединяет изображения из разных экстентов в более крупное изображение). Вы найдете много деталей, если будете искать ключевое слово «compositing», но вот краткое резюме:
Существует два основных подхода к составлению временных рядов:
Подход наилучшего доступного пикселя (выберите «лучший» пиксель в каждом местоположении на основе заданных критериев, например, используйте пиксель с максимальным значением NDVI или ближайший не облачный пиксель к центральной дате периода компоновки). Пример с Landsat можно найти здесь
Комбинированный пиксельный подход (например, взять среднее значение всех пикселей в одном и том же месте ( среднее наложение ) или использовать временную регрессию для интерполяции «отсутствующих» пикселей в некоторые даты ( заполнение пробелов )). Обратите внимание, что заполнение пропусков потенциально создает одно изображение в любой день (и вы выбираете то, которое вы сохраняете), в то время как композитинг дает только одно изображение за период компоновки (вы можете использовать скользящее временное окно, но оно менее «точное» во времени).
«Среднее составление» использовалось в нескольких успешных проектах с MERIS и SPOT VGT (см. Здесь ). Композит "Макс NDVI" используется для композита MODIS. Интерполяция в некоторые интересующие даты была сделана здесь с изображениями Sentinel-2. Лично я предпочитаю подход типа «комбинированный пиксель».
Теперь вы должны знать, что качество вашего композитинга во многом зависит от качества ваших входных данных, особенно если у вас нет большого количества входных данных (sentinel-2 «только» каждые 5 дней, а не каждый день, как Страж-3):
хорошая облачная маска (включая обнаружение облаков, обнаружение помутнения, обнаружение перистых облаков и тонких облаков).
Отражательная способность верхней части купола: преобразование цифровых чисел со спутника в значимые значения отражательной способности, включая поправки из BRDF (свет не однородно отражается во всех направлениях и влияние поверхности на различия), атмосферную коррекцию и топографическую коррекцию.
хорошая регистрация между разными изображениями. пиксели должны представлять одинаковое местоположение в максимально возможной степени.
иногда также: временное обнаружение событий (наводнения и снег)
Обратите внимание, что программное обеспечение было разработано в рамках проекта ESA ( SEN2AGRI ) для создания безоблачных композитов.
Бонус: примеры глобальных композитов
с Сентинел-2 ( только WMS )
с поверхностной отражательной способностью MERIS, SPOT VGT и AVHRR (можно загрузить)
с Landsat около 2000 и около 2014 года ( медианное значение с использованием полного архива Landsat )
источник
Я думаю, что то, что вы описываете, все еще является частью того, что называется мозаикой (или сшивание изображений ). Мозаика подразумевает, действительно, объединение соседних плиток, но обычно плитки имеют некоторое перекрытие.
Здесь вас интересуют, в частности, два этапа:
Сшивание изображений: т.е. нахождение правильной позиции перекрытия
Смешивание перекрывающихся пикселей
В этом документе представлен превосходный обзор различных методов для каждого шага: Ghosh and Kaabouch (2016). Обзор методов мозаики изображений, J. Vis. Commun. Изображение R. 34 (2016) 1–11
источник