daljinsko zaznavanje - In?titut za antropolo?ke in prostorske ?tudije ...
daljinsko zaznavanje - In?titut za antropolo?ke in prostorske ?tudije ...
daljinsko zaznavanje - In?titut za antropolo?ke in prostorske ?tudije ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
19 <strong>In</strong>tegracija podatkov<br />
Slika 19.2: <strong>In</strong>tegracija posnetkov različnih ločljivosti <strong>in</strong> različnih senzorjev. Prika<strong>za</strong>na<br />
je pove<strong>za</strong>va večspektralnih podob Landsat <strong>in</strong> pankromatskih SPOT.<br />
O veččasovnem povezovanju podatkov smo govorili že v razdelku 17.1, kjer smo<br />
se ukvarjali z računanjem razlik med podobami. Podobe, <strong>za</strong>jete ob različnih časih,<br />
primerjamo <strong>in</strong> tako odkrijemo spremembe. Veččasovno opazovanje slednjih lahko dosežemo<br />
s preprostimi metodami, kot je odštevanje, ali bolj <strong>za</strong>pletenimi, kot je primerjava<br />
večkratne klasifikacije ali celo klasifikacija z <strong>in</strong>tegriranimi podatki iz različnih obdobij.<br />
Večločljivostno povezovanje je uporabno v različnih aplikacijah. Povezovanje podatkov<br />
viso<strong>ke</strong> prostors<strong>ke</strong> ločljivosti s podatki slabše ločljivosti lahko izostri podrobnosti<br />
na podobah <strong>in</strong> tako olajša prepoznavanje predmetov. Za tovrstne namene so zelo uporabni<br />
podatki satelitov, kot so Landsat, SPOT, IKONOS <strong>in</strong> QuickBird, ki imajo poleg<br />
pankromats<strong>ke</strong>ga kanala z visoko ločljivostjo tudi večspektralne z nižjo ločljivostjo. Če<br />
podat<strong>ke</strong> obeh nač<strong>in</strong>ov snemanja združimo, ohranimo dobro spektralno ločljivost <strong>in</strong> povečamo<br />
prostorsko.<br />
S tako imenovano večsenzorsko <strong>in</strong>tegracijo lahko združujemo podat<strong>ke</strong> različnih senzorjev<br />
(slika 19.2). Pogost primer tovrstnega združevanja je pove<strong>za</strong>va večspektralnih<br />
optičnih podatkov z radarskimi podobami (slika 19.3). Oba spektralno različna nač<strong>in</strong>a<br />
predstavitve površja drug drugega dopolnjujeta. Optični podatki poskrbijo <strong>za</strong> podrobne<br />
spektralne <strong>in</strong>formacije, ki jih uporabimo <strong>za</strong> ločevanje tipov tal. Radarski posnetki pa<br />
poudarijo strukturne podrobnosti na površju.<br />
Osnovni pogoj <strong>za</strong> večsenzorsko <strong>in</strong>tegracijo je predhodna geometrična registracija<br />
podatkov, bodisi drugega glede na drugega ali glede na izbrani koord<strong>in</strong>atni sistem.<br />
Če imamo geokodirane podobe, lahko povežemo s podatki dalj<strong>in</strong>s<strong>ke</strong>ga <strong>za</strong>znavanja tudi<br />
zunanje podat<strong>ke</strong>, na primer, digitalni model viš<strong>in</strong>. Model viš<strong>in</strong> lahko uporabimo pri<br />
klasifikaciji podob, saj lahko z njim zmanjšamo vpliv naklonov, senc <strong>in</strong> nadmors<strong>ke</strong><br />
viš<strong>in</strong>e, s čimer lahko znatno izboljšamo kakovost klasifikacije. Digitalni model viš<strong>in</strong><br />
lahko uporabimo tudi <strong>za</strong> ustvarjanje trirazsežnih perspektivnih pogledov, pri katerih<br />
prek modela napnemo podobo dalj<strong>in</strong>s<strong>ke</strong>ga <strong>za</strong>znavanja. S tem izboljšamo vizuali<strong>za</strong>cijo<br />
<strong>in</strong> olajšamo <strong>in</strong>terpretacijo (slika 19.4 a).<br />
186
Change language