Menangani bayangan gunung saat mengklasifikasikan Landsat 8


10

Saya mencoba untuk mengklasifikasikan beberapa daerah di Mongolia utara menggunakan citra satelit Landsat 8 dari 2013. Karena rekaman itu dibuat di musim dingin, matahari sangat rendah pada waktu akuisisi. Oleh karena itu ada bayangan yang sangat panjang dan gelap dari pegunungan.

Saya dapat mengidentifikasi bayangan ini menggunakan DEM, seperti yang dijelaskan dalam Pertanyaan ini: Cara Menghapus Efek Topografi Seperti Bayangan dari Gambar Landsat

Bagaimana saya bisa melakukan klasifikasi terawasi untuk area teduh terpotong? Apakah mungkin untuk meningkatkan area ini? Saya mencoba beberapa rasio band, tetapi saya tidak tahu mana yang terbaik untuk tugas saya.

Dalam gambar ini Anda dapat melihat bahwa ada beberapa area yang bervegetasi dalam bayangan gelap, tetapi tidak mungkin untuk mengklasifikasikannya.

contoh untuk beberapa daerah gelap


2
Sudahkah Anda mengubahnya menjadi pantulan? Metode apa yang Anda gunakan?
Harun

2
Tidak, tidak. Saya menggunakan tumpukan lapisan band 3,4,5 dan melakukan Maximum Likelihood-Classification di ArcGIS. Untuk interpretasi area yang lebih baik, saya telah menggunakan NDVI dan beberapa komposisi warna palsu.
dan_ke

2
Inilah sebabnya mengapa reflektansi at-sensor dan orthorektifikasi merupakan langkah-langkah preproses yang penting.
Jeffrey Evans

Apakah Anda mencoba koreksi Topografi seperti koreksi-C atau Minnaert ?, mohon jika sesuatu seperti ini dapat membantu. Saya akan memberi Anda detail lebih lanjut tentang cara mencapai ini.
Paulo Cardoso

2
DN to TOA tidak akan menghapus efek topografi. Koreksi topografi (Normalisasi topografi) akan meminimalkan, tidak menghilangkan, efek bayangan dan ini akan sangat penting dalam kasus Anda. Saya sarankan membaca ini untuk pandangan umum tentang masalah dan kemungkinan pendekatan.
Paulo Cardoso

Jawaban:


1

Sebenarnya, itu tidak diberikan bahwa Anda akan dapat memulihkan beberapa informasi dari daerah yang teduh. Namun, saya pernah berhasil menangani bayangan (cloud) dalam gambar hyperspectral. Tujuannya adalah klasifikasi tutupan lahan sederhana. Inilah yang saya lakukan. Saya tidak yakin bagaimana ini akan bekerja dengan gambar Landsat, tetapi karena sangat sederhana Anda harus mencobanya.

Setelah saya mendeteksi bayangan, saya hanya melakukan pencocokan histogram dari area yang dibayangi ke seluruh gambar. Berhati-hatilah karena dengan melakukan ini Anda mengasumsikan bahwa sinyal spektral di daerah yang teduh dan yang di daerah yang diterangi kurang lebih termasuk dalam kelas yang sama (~ distribusi yang sama). Meskipun ini adalah metode yang sangat sederhana dan sederhana, saya dapat dengan benar mengklasifikasikan piksel gelap dengan mengorbankan beberapa kesalahan perbatasan bayangan kecil. Mungkin Anda dapat menumpuk semua rasio band yang mungkin untuk gambar dan merenormalkan kembali semua fitur sebelum klasifikasi, ini bahkan dapat mengurangi efek bayangan. Anda mungkin harus menggunakan classifier yang kuat.

EDIT: Selain itu Anda dapat menormalkan setiap piksel untuk memiliki norma satuan (dengan melihat setiap piksel sebagai vektor spektral). Ini juga akan membantu menghilangkan efek bayangan.


1

Saya menyarankan apa yang dikatakan Stella di bawah. Anda dapat dengan mudah mengklasifikasikannya sebagai bayangan sehingga tidak merusak akurasi Anda. Tentu saja pastikan Anda memiliki bidang minat yang cukup atau bidang pelatihan bayangan untuk memastikan bahwa semuanya diklasifikasikan. Jika Anda harus memberikan presentasi, Anda dapat berkomentar bahwa sebagian besar area bayangan seragam dengan bagian dekat gunung yang berarti bahwa jika sisi gunung yang terkena sinar matahari mencerminkan sifat vegetatif maka sisi lain akan baik jika matahari memukulnya. Semoga ini membantu. Saya harus melakukan ini dan jika Anda tidak mengklasifikasikan bayangan atau menerapkan koreksi padanya, itu akan diklasifikasikan sama dengan air karena mereka memiliki kesamaan spektral.


0

Saya akan menyarankan mengklasifikasikan bayangan secara terpisah dari sisa gambar. Jika Anda dapat menemukan kelas bayangan yang berbeda, tutup piksel "bayangan" dan kemudian rentangkan dan reklasifikasi (hati-hati bagaimana Anda meregangkan). Saya bukan ahli dalam klasifikasi gambar, tetapi saya pasti akan memvalidasi hasil apa pun dengan citra lain.

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.