Es preproccessing una escena Landsat necesario para la clasificación de la imagen?

Question

Yo soy la clasificación de imágenes Landsat TM escenas de toda la Bahía de Chesapeake como parte de mi Maestría de investigación. Las escenas han sido recogidos a partir de 1986 hasta el año 2016 en 5 incrementos de un año para mi área de interés. Recientemente me encontré con varios artículos que mencionan cómo preprocesar escenas Landsat para diversos análisis, pero ninguno de ellos menciona la clasificación de la imagen (sin vigilancia o supervisión). Es necesario preprocesar estas escenas antes de la clasificación de ellos? Como dije en mi anterior pregunta (la Separación espectral similar de conjuntos de entrenamiento para mejorar la precisión de clasificados Landsat escenas en ArcMap?), Yo he tenido problemas para distinguir la playa y urbano píxeles en mi clasificaciones supervisadas. El mosaico de imágenes Landsat escenas con el que estoy trabajando es el siguiente:

La distorsión de color en el derecho escenas que me preocupa. Será esto afectará negativamente mi clasificaciones? Cómo se podría ir sobre la fijación de este? Se preprocesamiento ayudar con todo esto?

Si es así, ¿existen herramientas específicas o preprocesamiento de los procedimientos que debo usar para mi las escenas?

Answer 1

Realmente depende de la escena, es decir, el conjunto de imágenes de bandas que se están utilizando para su área de interés. Para empezar, hace su escena lapso de varios azulejos, o está contenida dentro de uno? Si se extiende por varios azulejos usted puede ser que desee participar en el equilibrio de color de algún tipo. Usted también deseará comprobar la nube de cobertura para cada icono, para cada año. También, me gustaría asegurarse de que todas sus piezas se recogieron alrededor de la misma fecha (como un mes de verano, cinco años de diferencia), y que la fecha es sensato - invierno en la bahía de Chesapeake, va a mostrar un montón de nieve y hielo se mezcla con agua en la clasificación.

Usted también querrá ver en la distorsión atmosférica, y posiblemente otros efectos que podrían tener un impacto negativo un algoritmo de clasificación (striping es un sensor problema que de vez en cuando afecta Landsat, pero no habitualmente). Puede comprobar estos efectos mediante la ejecución de una correlación espectral de la herramienta como de la PCA (análisis de componentes principales) en la banda de archivos, y el examen de los resultados. Espectral de correlación debe ser alta en la calidad de los datos.

También se puede ver simplemente cada año a la imaginación como un color compuesto de Color Natural y IR combinaciones rápidamente le mostrará si la imagen es clara o no, o si hay problemas obvios como la distorsión atmosférica. Desde allí, un Tramo de la función que se ejecute en cada banda para los datos de cada año podría mejorar significativamente los resultados de la clasificación. Ver los histogramas para cada banda de Estiramiento y de las bandas para aislar los rangos de los valores de reflectancia en el presente - esto va a magnificar las propiedades espectrales antes de la clasificación.

El éxito de una clasificación también dependen en gran medida de su formación muestras y el vector de entrada de datos, si usted está usando un Isocluster o Max Probabilidad algoritmo. Las imágenes de Landsat es bastante grueso en la resolución, y los píxeles que a menudo contienen características a través de múltiples clases. Pensamiento Final podría ser, examinar el propósito de su clasificación. Si usted está tratando de mapa urbano, agrícola, de agua y de la playa, Landsat debe estar bien, pero nada más específico que eso y usted puede ser que desee examinar Hiperespectral opciones tales como la NASA AVIRIS imágenes.

Antes y después de la ejecución de un tramo de la función - el azul es un color natural como se ha descargado, en la segunda imagen tiene un tramo de la función que se ejecute en cada banda, 4.2 desviaciones estándar n a partir de la estadística de la media de los valores en la banda.