Estou fazendo algumas projeções demoradas de fotos aéreas e estou curioso - qual é a melhor técnica de reamostragem para fotos aéreas? No ArcMap, minhas opções são NEAREST, BILINEAR, CUBIC e MAJORITY.
O vizinho mais próximo e a maioria são recomendados para dados categóricos, enquanto a convolução cúbica e a interpolação bilinear são para dados contínuos.
Estou curioso para saber se existe algum algoritmo comumente usado para projetar fotos aéreas . Acabei de projetar uma imagem usando o Vizinho mais próximo e parece estar bem, mas uma foto aérea não é um dado categórico, então vou tentar o Bilinear a seguir.
EDITAR
Eu não estava pensando em fotos aéreas como o mesmo tipo de dados contínuos que os DEMs ou dados de precipitação, mas a whuber apontou que elas são contínuas e devem ser tratadas como tal. Obrigado novamente.
fonte
Respostas:
Fotos aéreas são dados contínuos. Cada pixel representa a resposta de uma região de um sensor à luz direcionada a ele e, conforme essa luz varia, a resposta varia continuamente. O resultado é geralmente categorias discretizadas (geralmente em 255 ou 256), mas isso não altera a natureza dos dados. Portanto, você deseja interpolar em vez de usar algoritmos categóricos como o vizinho mais próximo ou a maioria. A interpolação bilinear geralmente é boa; a algum custo no tempo de execução, a convolução cúbica manterá o contraste local um pouco melhor. Uma pequena quantidade de embaçamento adicional é inevitável, mas é quase impossível perceber até que a imagem tenha passado por muitas dessas transformações. Os erros cometidos com o vizinho mais próximo são muito piores em comparação.
fonte
Eu não tenho a "reputação" de comentar, então ...
Se a análise radiométrica for realizada nas fotos aéreas, deve ser feita antes da reamostragem / projeção. Caso contrário, você certamente introduzirá viés não intencional no produto final. Conforme comentário útil do blord-castillo acima.
Se os usos próximo e final das antenas são para apelo visual ou mapeamento de fundo, eu usaria o método mais rápido que oferece um produto utilizável.
Se o tamanho da célula da nova antena for o mesmo que o original, o NEAREST funcionará melhor no IMHO.
Se o tamanho da célula da nova antena for maior que o original, o BILINEAR funcionará melhor.
Se (por alguma razão maluca) o tamanho da célula da nova antena for menor que o original, voltarei a usar o NEAREST.
As outras opções, CUBIC e MAJORITY, produzirão artefatos no produto reamostrado, levarão mais tempo para processar e, caso contrário, não se aplicarão ao que você está tentando fazer.
Como ponto final: embora seja verdade que o processo de amostragem de luz que emana / reflete da superfície da Terra é conceitualmente contínuo, também é verdade que a superfície da Terra exibe fenômenos contínuos e discretos.
Em geral, a atividade humana tende a produzir transições discretas e
Os recursos "naturais" costumam variar (mas nem sempre) de variação contínua ou, pelo menos, apresentam bordas confusas.
Então, como indicado na minha primeira parte acima, como você manipula as antenas dependerá de como você espera usá-las.
fonte
Eu sei que essa pergunta é bastante antiga, mas eu queria adicionar meus 2 centavos, caso outras pessoas encontrem esse tópico tentando responder à mesma pergunta ...
As respostas anteriores estão corretas quando você deseja realmente REEMBOLSO seus dados, como se você estivesse agregando dados de um tamanho de pixel de 30 m para um tamanho de 90 m. Nesse caso, você está tentando criar um novo valor para cada pixel individual, com base em uma coleção de pixels próximos. Portanto, sim, aqui para conjuntos de dados discretos, você selecionaria Vizinho Mais Próximo, enquanto para dados contínuos, você escolheria Convolução Bilinear ou Cúbica.
Nesta questão, no entanto, o objetivo NÃO é realmente reamostrar os dados, mas simplesmente converter os dados existentes em uma nova projeção - você deseja os mesmos valores, apenas em uma nova projeção. Nesse caso, você deseja usar a reamostragem de vizinho mais próximo para conjuntos de dados discretos e contínuos, para manter a integridade dos valores de dados originais. Eu sei que essa afirmação vai contra tudo que você lê sobre "reamostragem", mas realmente pensa criticamente sobre o que deseja alcançar e o que está fazendo com os dados. Além disso, não faço essa recomendação por capricho ... Passei 5 anos trabalhando em um PhD especializado em GIS / Sensoriamento Remoto, além de ministrar cursos de graduação em GIS / Sensoriamento Remoto.
Outra observação, o pôster original perguntou sobre valores zero e / ou negativos ... Se esses valores são valores de dados verdadeiros (ou seja, a altitude pode realmente ser 0 ou -34,5), você deseja incluir esses valores. No entanto, se os valores em questão não forem dados verdadeiros e, em vez disso, forem usados para representar o NoDATA (digamos 0 ou -9999), será necessário mascarar esses pixels da varredura (remover) antes de reamostrar por convolução bilinear ou cúbica . Caso contrário, esses -9999 pixels serão incluídos no cálculo de reamostragem, como se esse pixel tivesse uma altitude real de -9999 e você terminará com valores de dados inválidos. Como um exemplo MUITO simplificado na convolução cúbica, se os quatro valores mais próximos da célula forem 4, 5, 16, -9999, incluindo o -9999, poderá resultar em um novo valor de pixel de -9974, que não é um dado válido.
fonte