Quiero unir varias imágenes (> = 2) en una "mejor" imagen. Lo mejor se define en baja cobertura de nubes y alta cobertura de datos. A continuación se muestra un ejemplo que utiliza datos satelitales gratuitos de Sentinel.
Ver http://sentinel-s2-l1c.s3.amazonaws.com/tiles/12/S/XB/2017/6/1/0/preview.jpg y http: //sentinel-s2-l1c.s3.amazonaws .com / tiles / 12 / S / XB / 2017/6 / para la fuente de las imágenes a continuación.
¿Hay algún algoritmo o proceso para completar mosaicos de imágenes satelitales que no tengan una cobertura de datos del 100% para generar un mosaico completo?
Vea las visualizaciones a continuación para ver ejemplos de lo que quiero decir.
No estoy muy familiarizado con la literatura, y no sé cuál es la terminología que debería estar buscando.
Ejemplo:
Ejemplo:
Respuestas:
Para imágenes de la misma ubicación pero con fechas diferentes, preferiría hablar de composición que de mosaico (que combina imágenes de diferentes extensiones en una imagen más grande). Encontrará muchos detalles si busca palabras clave de "composición", pero aquí hay un breve resumen:
Hay dos enfoques principales para la composición de series de tiempo:
El mejor enfoque de píxeles disponible (seleccione el "mejor" píxel en cada ubicación en función de un criterio dado, por ejemplo, use el píxel con el valor máximo de NDVI o el píxel más cercano a la fecha central del período de composición). Un ejemplo con Landsat se puede encontrar aquí
Enfoque de píxeles combinados (p. Ej., Tomar el promedio de todos los píxeles en la misma ubicación ( composición media ) o usar una regresión temporal para interpolar píxeles "faltantes" en algunas fechas ( relleno de espacios )). Tenga en cuenta que el relleno de espacios potencialmente crea una imagen en cualquier fecha (y usted decide la que conserva), mientras que la composición solo proporciona una imagen por período de composición (puede usar una ventana temporal deslizante, pero es menos "precisa" temporalmente).
La "composición media" se ha utilizado en varios proyectos exitosos con MERIS y SPOT VGT (ver aquí ). La composición "Max NDVI" se utiliza para el compuesto MODIS. La interpolación en algunas fechas de interés se ha hecho aquí con imágenes de Sentinel-2. Personalmente, prefiero el enfoque de tipo "píxel combinado".
Ahora debe tener en cuenta que la calidad de su composición depende mucho de la calidad de sus entradas, especialmente si no tiene una gran cantidad de datos de entrada (centinela-2 es "solo" cada 5 días, no todos los días como Sentinel-3):
buena máscara de nubes (incluida la detección de nubes, detección de turbidez, detección de cirros (nubes delgadas de gran altitud) y detección de sombras de nubes.
reflectancia de la parte superior del dosel: convierta los números digitales del satélite en valores de reflectancia significativos, incluidas las correcciones de BRDF (la luz no se refleja de manera homogénea en todas las direcciones y hay un impacto de la superficie en las diferencias), corrección atmosférica y corrección topográfica.
Buen registro entre las diferentes imágenes. los píxeles deben representar la misma ubicación tanto como sea posible.
a veces también: detección de eventos temporales (inundaciones y nieve)
Tenga en cuenta que se ha desarrollado un software en el marco de un proyecto ESA ( SEN2AGRI ) para crear compuestos libres de la nube.
Bonus: ejemplos de compuestos globales
con Sentinel-2 ( solo WMS )
con reflectancia de superficie MERIS, SPOT VGT y AVHRR (se puede descargar)
con Landsat circa 2000 y circa 2014 ( valor medio usando el archivo Landsat completo )
fuente
Creo que lo que usted describe sigue siendo parte de lo que se llama mosaico (o unión de imágenes ). Mosaicing implica, de hecho, unir fichas adyacentes, pero generalmente las fichas tienen cierta superposición.
Aquí está interesado en particular en dos pasos:
Unir las imágenes: es decir, encontrar la posición de superposición correcta
Mezclando los píxeles superpuestos
Hay una excelente encuesta de los diferentes métodos para cada paso en este documento: Ghosh y Kaabouch (2016) Una encuesta sobre técnicas de mosaico de imágenes, J. Vis. Commun. Imagen R. 34 (2016) 1–11
fuente