Praca Dyplomowa - AGH

More documents

Recommendations

Info

ŁĄKI I UŻYTKI ZIELONETERENY NIESKLASYFIKOWANEKlasa, w której skład wchodzą przedewszystkim łąki (np. Błonia Krakowskie,tereny wzdłuż rzeki Wisły), grunty rolnepokryte uprawami, tereny rolneniezagospodarowane, stadiony. Niektóre ztych terenów mają regularny kształt (polauprawne). Zauważyć tą klasę można wpobliżu gruntów rolnych, które są zaorane.Tereny, dla których oczekuje się, że programich nie sklasyfikuje (są zbyt odmienne odzdefiniowanych wyżej klas). Do tej klasyzaliczamy przykładowo lotnisko Balice (terenhomogeniczny), jak też tereny, gdziewystępuje duże zróżnicowanie pokryciaterenu na małych obszarach (miksele). Terenytakie są przez to trudne do zinterpretowaniaprzez interpretatora, jak też trudno jesklasyfikować to jednej z przyjętych kategoriipokrycia terenu.4.1.1. Kalibracja danych z satelity IKONOSAby skutecznie porównać obrazy z dwóch różnych źródeł należy je w pierwszejkolejności doprowadzić do wspólnego układu współrzędnych, „wpasować je w siebie”.W przypadku posiadanych zestawów danych obraz wielospektralny LANDSAT byłskalibrowany w układzie 1992 i traktowany jako referencyjny, a co za tym idzie należypoddać obrazy IKONOS tzw. przepróbkowaniu (RESAMPLING). Resampling służystworzeniu nowego obrazu wyjściowego i polega na „interpolacji wartości przypisanympikselom do obrazu wynikowego na podstawie wartości obrazu wejściowego”(Adamczyk, Będkowski, 2007). Tworzona jest dzięki temu nowa macierz pikseli.Wyróżnić można trzy metody przeprowadzenia resamplingu: najbliższego sąsiedztwa,transformacji bilinearnej i splotu sześciennego. W celu wykonania klasyfikacji obrazówwielospektralnych zalecaną metodą do wykonania przepróbkowania jest metodanajbliższego sąsiedztwa (ang. nearest neighbor). Metoda ta polega na przypisaniupikselowi nowej wartości na podstawie najbliższego mu piksela w obrazie wejściowym.W celu przeprowadzenia prawidłowej kalibracji obrazów wysokorozdzielczych,w pierwszej kolejności wybrano pięć punktów, które zidentyfikowano zarówno nakompozycji barwnej LANDSAT (KB 354) jak i w pierwszej kolejności na kanaleniebieskim satelity IKONOS. W pliku tekstowym, w odpowiedniej kolejności56
wymaganej przez program Idrisi, wpisano dokładne współrzędne tych punktów(Rys. 4.5.).Rys. 4.5. Plik tekstowy ze współrzędnymi punktów.Następnie skorzystano z opcji: IMAGE PROCESSING RESTORATION RESAMPLE (Rys. 4.6), gdzie wybrano prawidłowe dla kalibracji opcje. Czynność tąwykonano czterokrotnie, dla każdego z czterech kanałów spektralnych: niebieskiego,zielonego, czerwonego i bliskiej podczerwieni. Wybrano funkcję liniową oraz metodęnajbliższego sąsiedztwa.Rys. 4.6. Funkcja RESAMPLE z wybranymi parametrami.Za parametry odniesienia, tj. zakres sceny wybrano obraz LANDSAT. W opcjiOUTPUT REFERENCE PARAMETERS wpisano odpowiednią ilość kolumn i wierszy,jak również maksymalne i minimalne współrzędne danych średniorozdzielczych(Rys. 4.7).57
Page 2 and 3:
Podziękowania2
Page 6 and 7: 4.2. Klasyfikacja nadzorowana......
Page 9: ROZDZIAŁ 1OBRAZY SATELITARNE JAKO
Page 14 and 15: Pierwszą z ważnych cech obrazu je
Page 16 and 17: „Wyrównanie histogramu (ang. his
Page 18 and 19: odróżnienia wraz z rozpoznaniem o
Page 20 and 21: wielospektralnych jako wyodrębnien
Page 23 and 24: Rys. 1.10. Wykres przedstawiający
Page 25 and 26: prawdopodobną wartość dla danej
Page 27 and 28: (Adamczyk, Będkowski, 2007), a jej
Page 29 and 30: parametrów sterujących tak, że p
Page 31 and 32: 1.3. Produkty klasyfikacjiPodstawow
Page 33 and 34: Wreszcie na poziomie trzecim wyró
Page 35 and 36: meteorologicznych wystarczające do
Page 37 and 38: satelitów LANDSAT, która trwa po
Page 39 and 40: Wszystkie z trzech pierwszych satel
Page 41 and 42: LANDSAT należą do najpowszechniej
Page 43 and 44: na rysunku 2.5., którego producent
Page 45 and 46: wielospektralne w czterech kanałac
Page 47 and 48: Rok uruchomieniapanchromatyczny(pan
Page 49 and 50: ROZDZIAŁ 3OBSZAR TESTOWY I DANE WY
Page 51 and 52: 3.3. Oprogramowanie - IDRISI 32, ID
Page 53 and 54: ROZDZIAŁ 4KLASYFIKACJA PIKSELOWA O
Page 55: Tab. 4.1. Charakterystyka klas pokr
Page 59 and 60: Rys. 4.9. Obraz z satelity IKONOS s
Page 61 and 62: W kolejnym etapie tworzenia punktó
Page 63 and 64: Rys. 4.11. Obszary testowe (zdj. lo
Page 65 and 66: Rys. 4.13. Próbka weryfikacyjna LA
Page 67 and 68: 1.7, 1.8, 1.9, 2.0, 2.1, 2.2, 2.3,
Page 69 and 70: Bazując na ośmiu kategoriach moż
Page 71 and 72: Wykres. 4.1. Ocena dokładności kl
Page 73 and 74: w klasyfikacji nadzorowanej obrazó
Page 75 and 76: tabel, jak również pokazano najle
Page 77 and 78: Rys. 4.22. Scena z satelity IKONOS.
Page 79 and 80: A. B. C.Rys. 4.24. A) IKONOS, B) LA
Page 81 and 82: A.Widoczne na zdjęciuoddzielone pa
Page 83 and 84: ROZDZIAŁ 5PODSUMOWANIE I WNIOSKIPo
Page 85 and 86: testy potwierdzają więc kolejną
Page 87 and 88: Rys. 5.1. Mapa pokrycia/użytkowani
Page 89 and 90: Kmieć B., 2010, „Techniki telede
Page 91 and 92: NETOGRAFIA[1] http://clc.gios.gov.p
Page 93 and 94: Załącznik 2.Rys. 2.1. Sygnatury k
Page 95 and 96: Wykres 3.2. Zestawienie wszystkich
Page 97 and 98: Rys. 3.2. Mapa pokrycia terenu po m
Page 99 and 100: Wykres 4.2. Zestawienie wszystkich
Page 101 and 102: Rys. 4.2. Mapa pokrycia terenu po m
show all

Praca Dyplomowa - AGH

Create successful ePaper yourself

Delete template?

Save as template?