completamento di riquadri di immagini satellitari quando la copertura dei dati è inferiore al 100%

Voglio unire più immagini (> = 2) in una "migliore" immagine. Il migliore è definito su copertura cloud bassa e copertura dati elevata. Segue un esempio che utilizza i dati satellitari gratuiti di Sentinel.

Vedi http://sentinel-s2-l1c.s3.amazonaws.com/tiles/12/S/XB/2017/6/1/0/preview.jpg e http: //sentinel-s2-l1c.s3.amazonaws .com / tiles / 12 / S / XB / 2017/6 / per la fonte delle immagini di seguito.

Esistono algoritmi o processi per il completamento di riquadri di immagini satellitari che non hanno una copertura dei dati al 100% al fine di generare un riquadro completo?

Vedi le visualizzazioni sotto per esempi di cosa intendo.

Non ho molta familiarità con la letteratura e non so quale sia la terminologia che dovrei cercare.

Esempio:

— val
fonte

Ti riferisci per creare un mosaico di immagini e stai cercando alcuni processi automatici per eseguire questa attività?

— MAYANK SHARMA,

@MAYANKSHARMA: non si riferisce a un mosaico di immagini. Facendo semplicemente riferimento a un modo per selezionare le tessere migliori per creare una tessera intera. La tessitura richiederebbe di mettere insieme più tessere (coprendo le aree spaziali adiacenti).

— val

Quando dici "migliore" intendi "più recente cloud gratuito" o ci sono altri criteri? Se sì, questo documento è un buon punto di partenza, che potrebbe essere modellato in una risposta specifica più di una sentinella 2 se necessario. Per un'introduzione ad alcuni dei vocaboli e un confronto dei due approcci principali, questo post sul blog merita una lettura.

— RoperMaps

@RoperMaps: meglio definito come copertura cloud bassa (o priva di) e elevata copertura dei dati - idealmente al 100%. Il blog è utile e sta leggendo la carta ora. Grazie

— val

Risposte:

Per immagini della stessa posizione ma con date diverse, preferirei parlare di compositing piuttosto che mosaicare (che combina immagini da diverse estensioni in un'immagine più grande). Troverai molti dettagli se cerchi la parola chiave "compositing", ma ecco un breve riassunto:

Esistono due approcci principali per la composizione di serie temporali:

Migliore approccio pixel disponibile (selezionare il pixel "migliore" in ciascuna posizione in base a un determinato criterio, ad esempio utilizzare il pixel con il valore NDVI massimo o il pixel non cloud più vicino alla data centrale del periodo di composizione). Un esempio con Landsat può essere trovato qui
Approccio di pixel combinato (ad esempio, prendere la media di tutti i pixel nella stessa posizione ( composizione media ) o utilizzare una regressione temporale per interpolare i pixel "mancanti" in alcune date ( riempimento del gap )). Si noti che il riempimento di gap crea potenzialmente un'immagine in qualsiasi data (e decidi tu quello che conservi), mentre il compositing fornisce solo un'immagine per periodo di compositing (puoi usare una finestra temporale scorrevole, ma è meno "precisa" nel tempo).

La "composizione media" è stata utilizzata in numerosi progetti di successo con MERIS e SPOT VGT (vedi qui ). La composizione "Max NDVI" viene utilizzata per il composito MODIS. L'interpolazione in alcune date di interesse è stata fatta qui con immagini Sentinel-2. Personalmente, preferisco l'approccio di tipo "pixel combinato".

Ora devi essere consapevole che la qualità della tua composizione dipende molto dalla qualità dei tuoi input, specialmente se non hai un gran numero di dati di input (sentinel-2 è "solo" ogni 5 giorni, non tutti i giorni come Sentinel-3):

buona maschera per il cloud (incluso rilevamento del cloud, rilevamento dell'opacità, rilevamento dei cirri (nuvola sottile ad alta quota) e rilevamento dell'ombra del cloud.
cima della riflettanza del baldacchino: converti i numeri digitali dal satellite in valori di riflettanza significativi, comprese le correzioni da BRDF (la luce non viene riflessa in modo omogeneo in tutte le direzioni e c'è un impatto della superficie sulle differenze), correzione atmosferica e correzione topografica.
buona registrazione tra le diverse immagini. i pixel devono rappresentare la stessa posizione il più possibile.
a volte anche: rilevamento temporaneo di eventi (inondazioni e neve)

Si noti che un software è stato sviluppato nell'ambito di un progetto ESA ( SEN2AGRI ) per la creazione di compositi privi di cloud.

Bonus: esempi di compositi globali

con Sentinel-2 ( solo WMS )
con MERIS, SPOT VGT e riflettanza superficiale AVHRR (può essere scaricato)
con Landsat circa 2000 e circa 2014 ( valore mediano usando l'archivio Landsat completo )

— radouxju
fonte

Penso che ciò che descrivi sia ancora parte di ciò che viene chiamato mosaico (o cucitura di immagini ). La tessitura comporta infatti l'unione di tessere adiacenti, ma di solito le tessere hanno alcune sovrapposizioni.

Qui sei interessato in particolare a due passaggi:

Cucitura delle immagini: cioè trovare la posizione di sovrapposizione corretta
Fusione dei pixel sovrapposti

Vi è un'eccellente indagine sui diversi metodi per ogni passaggio di questo articolo: Ghosh e Kaabouch (2016) Un sondaggio sulle tecniche di mosaico delle immagini, J. Vis. Commun. Immagine R. 34 (2016) 1–11

— Matifou
fonte