Quero juntar várias imagens (> = 2) em uma imagem "melhor". O melhor é definido em baixa cobertura de nuvens e alta cobertura de dados. Um exemplo usando dados de satélite gratuitos do Sentinel a seguir.
Consulte 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 / para a fonte das imagens abaixo.
Existem algoritmos ou processos para concluir blocos de imagens de satélite que não possuem 100% de cobertura de dados para gerar um bloco completo?
Veja as visualizações abaixo para exemplos do que quero dizer.
Não estou muito familiarizado com a literatura e não sei qual é a terminologia que devo procurar.
Exemplo:
Exemplo:
Respostas:
Para imagens do mesmo local, mas com datas diferentes, prefiro falar sobre composição do que em mosaico (que combina imagens de diferentes extensões em uma imagem maior). Você encontrará muitos detalhes se pesquisar a palavra-chave "composição", mas aqui está um breve resumo:
Existem duas abordagens principais para a composição de séries temporais:
Melhor abordagem de pixel disponível (selecione o "melhor" pixel em cada localidade com base em um determinado critério, por exemplo, use o pixel com o valor máximo de NDVI ou o pixel não nuvem mais próximo da data central do período de composição). Um exemplo com o Landsat pode ser encontrado aqui
Abordagem combinada de pixels (por exemplo, calcule a média de todos os pixels no mesmo local ( composição média ) ou use uma regressão temporal para interpolar os pixels "ausentes" em algumas datas ( preenchimento de lacunas ). Observe que o preenchimento de lacunas potencialmente cria uma imagem em qualquer data (e você decide a que você mantém), enquanto a composição fornece apenas uma imagem por período de composição (você pode usar uma janela temporal deslizante, mas é menos "precisa" temporalmente).
A "composição média" foi usada em vários projetos de sucesso com MERIS e SPOT VGT (veja aqui ). A composição "Max NDVI" é usada para a composição MODIS. A interpolação em algumas datas de interesse foi feita aqui com imagens do Sentinel-2. Pessoalmente, prefiro a abordagem do tipo "pixel combinado".
Agora você deve estar ciente de que a qualidade de sua composição depende muito da qualidade de suas entradas, especialmente se você não tiver um grande número de dados de entrada (o sentinel-2 é "apenas" a cada 5 dias, não todos os dias como Sentinel-3):
boa máscara de nuvem (incluindo detecção de nuvem, detecção de neblina, detecção de cirros (nuvem fina de alta altitude) e detecção de sombra na nuvem.
topo da refletância do dossel: converta números digitais do satélite em valores de refletância significativos, incluindo correções do BRDF (a luz não é homogeneamente refletida em todas as direções e há um impacto da superfície nas diferenças), correção atmosférica e correção topográfica.
bom registro entre as diferentes imagens. os pixels devem representar o mesmo local o máximo possível.
às vezes também: detecção temporária de eventos (inundações e neve)
Observe que um software foi desenvolvido no quadro de um projeto da ESA ( SEN2AGRI ) para criar compostos livres de nuvens.
Bônus: exemplos de compósitos globais
com Sentinel-2 ( apenas WMS )
com refletância de superfície MERIS, SPOT VGT e AVHRR (pode ser baixado)
com Landsat por volta de 2000 e por volta de 2014 ( valor mediano usando o arquivo completo do Landsat )
fonte
Eu acho que o que você descreve ainda faz parte do que é chamado de mosaico (ou costura de imagem ). O mosaico envolve de fato a união de ladrilhos adjacentes, mas geralmente os ladrilhos têm alguma sobreposição.
Aqui você está interessado em duas etapas:
Costurando as imagens: ou seja, encontrando a posição de sobreposição correta
Misturando os pixels sobrepostos
Há um excelente levantamento dos diferentes métodos para cada etapa deste artigo: Ghosh e Kaabouch (2016) Um levantamento sobre técnicas de mosaico de imagens, J. Vis. Comum. Imagem R. 34 (2016) 1–11
fonte