¿Qué técnica de remuestreo debe utilizarse al proyectar fotos aéreas?

Question

Estoy proyectando fotos aéreas y tengo curiosidad: ¿qué técnica de remuestreo es la mejor para las fotos aéreas? En ArcMap, mis opciones son NEAREST, BILINEAR, CUBIC y MAJORITY.

Los métodos Vecino más próximo y Mayoría se recomiendan para datos categóricos, mientras que Convolución cúbica e Interpolación bilineal se recomiendan para datos continuos.

Tengo curiosidad por saber si existe algún algoritmo de uso común para proyectar fotos aéreas . Acabo de terminar de proyectar una imagen con Nearest Neighbor y parece que queda bien, pero una foto aérea no son datos categóricos, así que voy a probar con Bilinear a continuación.

EDITAR
Yo no estaba pensando en las fotos aéreas como el mismo tipo de datos continuos como DEM o datos de precipitación, pero whuber señaló que son continuos y deben ser tratados como tales. Gracias de nuevo.

Answer 1

Las fotos aéreas son datos continuos. Cada píxel representa la respuesta de una región de un sensor a la luz dirigida hacia él y, a medida que esa luz varía, la respuesta varía continuamente. El resultado suele discretizarse (a menudo en 255 o 256) categorías, pero eso no cambia la naturaleza de los datos. Por lo tanto, es preferible interpolar en lugar de utilizar algoritmos categóricos como el vecino más próximo o la mayoría. La interpolación bilineal suele estar bien; con un cierto coste en tiempo de ejecución, la convolución cúbica retendrá el contraste local un poco mejor. Es inevitable una pequeña cantidad de desenfoque adicional, pero es casi imposible de notar hasta que la imagen se ha sometido a muchas transformaciones de este tipo. En comparación, los errores cometidos con el vecino más próximo son mucho peores.

Answer 2

Me falta la "reputación" para Comentar así...

Si se va a realizar un análisis radiométrico de las fotografías aéreas, deberá hacerse antes de remuestreo/proyección. De lo contrario, es casi seguro que introducirás un sesgo involuntario en el producto final. Como en el útil comentario anterior de blord-castillo.

Si los usos próximos y finales de las antenas son el atractivo visual o la cartografía de fondo, yo optaría por el método más rápido que ofrezca un producto utilizable.

• Si el tamaño de celda de la nueva antena es el mismo que el de la original, lo mejor es utilizar la opción MÁS CERCA.

• Si el tamaño de la celda de la nueva antena es mayor que el de la original, entonces funciona mejor BILINEAL.

• Si (por alguna loca razón) el tamaño de la celda de la nueva antena es menor que la original, entonces yo volvería a usar CERCA.

Las otras opciones, CUBIC y MAJORITY, producirán artefactos en el producto remuestreado, tardarán más en procesarse y, por lo demás, no parecen aplicarse a lo que estás intentando hacer.

Como punto final: Si bien es cierto que el proceso de muestreo de la luz que emana/refleja de la superficie de la Tierra es conceptualmente continuo, también es cierto que la superficie terrestre presenta fenómenos tanto continuos como discretos.

• En general, la actividad humana tiende a producir transiciones discretas y

• Las características "naturales" a menudo (pero no siempre) varían continuamente o al menos tienen bordes difusos.

Así que, como he indicado en mi primera parte, la forma de manipular las antenas dependerá de cómo esperes utilizarlas.

Answer 3

Sé que esta pregunta es bastante antigua, pero quería añadir mis dos centavos, por si otros se encuentran con este hilo tratando de responder a la misma pregunta...

Las respuestas anteriores son correctas cuando realmente se desea RESAMPLEAR los datos, como por ejemplo si se están agregando los datos de un tamaño de píxel de 30 m a un tamaño de píxel de 90 m. En este caso está intentando crear un nuevo valor para cada píxel individual, basado en una colección de píxeles cercanos. Así que sí, aquí para conjuntos de datos discretos seleccionaría Vecino más cercano, mientras que para datos continuos, elegiría Convolución bilineal o Cúbica.

En este caso, sin embargo, el objetivo NO es remuestrear los datos, sino simplemente convertir los datos existentes a una nueva proyección: se quieren los mismos valores, pero en una nueva proyección. En este caso, SÍ conviene utilizar el remuestreo de Vecino más próximo tanto para conjuntos de datos discretos como continuos, para mantener la integridad de los valores de los datos originales. Sé que esta afirmación va en contra de todo lo que has leído sobre el "remuestreo", pero piensa de forma crítica en lo que quieres conseguir y en lo que estás haciendo con los datos. Además, no hago esta recomendación por capricho... He pasado 5 años trabajando en un doctorado especializado en SIG / teledetección, así como la enseñanza de SIG / cursos de teledetección de pregrado.

Otra observación: el autor de la pregunta se refería a los valores cero y/o negativos... Si estos valores son verdaderos valores de datos (es decir, la altitud puede ser realmente 0 o -34,5), entonces usted quiere incluir estos valores. Sin embargo, si el valor o valores en cuestión no son datos reales, sino que se utilizan para representar NoDATA (por ejemplo, 0 o -9999), deberá enmascarar estos píxeles de su trama (eliminarlos) antes de volver a muestrearlos mediante convolución bilineal o cúbica. De lo contrario, esos -9999 píxeles se incluirán en el cálculo de remuestreo, como si ese píxel tuviera una altitud real de -9999 y acabará con valores de datos no válidos. Como ejemplo MUY simplificado en convolución cúbica, si tus 4 valores de celda más cercanos son 4, 5, 16, -9999, incluir el -9999 podría resultar en un nuevo valor de píxel de -9974, que no es un dato válido.