Ocena przydatności poziomu multifraktalności do opisu wysokorozdzielczych danych pozyskanych przez satelity Landsat

• Autorzy: Wawrzaszek A. , Walichnowska M. , Krupiński M.

Identyfikatory

DOI

10.14681/afkit.2015.013

Warianty tytułu

EN

Evaluation of degree of multifractality for description of high resolution data acquired by Landsat satellites

• Języki publikacji: PL

Abstrakty

PL

W ramach pracy przeanalizowano 6 scen o trzydziestometrowej rozdzielczości pochodzące z satelitów Landsat 5, 7 i 8, zarejestrowane w sześciu zakresach długości fali i prezentujące obszar Warszawy. Stosując dwa algorytmy podziału dużych scen – sąsiadujący i pływający stworzono mapy multifraktalności. Przeprowadzona analiza pozwoliła ocenić, czy scena zarejestrowana w badanych zakresach wykazuje cechy multifraktalne oraz czy wybór rozmiaru podziału sceny w trakcie analiz ma istotny wpływ na uzyskane charakterystyki multifraktalne oraz ich błąd wyznaczenia. W ogólności pierwsza interpretacja przeprowadzonych analiz pokazała, że poziom multifraktalności stosowany dla danych o trzydziestometrowej rozdzielczości nie wykazuje bezpośredniego związku z formą pokrycia terenu. Należy przy tym jednak zaznaczyć, że rozważane dane nie zostały poddane wcześniejszemu przetworzeniu, co zgodnie z podjętą w pracy dyskusją, może stanowić jedną z metod polepszenia uzyskanych wyników.

EN

In the frame of this work six satellite images (at six spectral bands) from Landsat 5, Landsat 7 and Landsat 8 have been analysed. For this purpose 30 meter resolution images showing the regions of Warsaw have been used. The conducted research allowed for verification if the whole scene presents multifractal features and if size of the division of the scene used during the analysis has a significant influence on the multifractal characteristic and error in their calculation. Initial interpretation of the obtained results showed, that the use of degree of multifractality determined for remote sensing data with the 30 meters resolution does not reveal direct relation with land cover classes. It should be noted, however, that the considered data have not been the subject of a previous processing, which according to the discussion performed in this work can be considered as one of the methods to achieve an improvement in results.

Słowa kluczowe

PL

fraktal; mapa multifraktalności; analiza obrazu; klasyfikacja; zobrazowania satelitarne

EN

fractal; multifractal map; image analysis; classification; satellite images

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2015
• Tom: Vol. 27
• Strony: 175--184
• Opis fizyczny: Bibliogr. 18 poz.

Twórcy

autor

Wawrzaszek A.

• Centrum Badań Kosmicznych Polskiej Akademii Nauk, Warszawa

autor

Walichnowska M.

• Centrum Badań Kosmicznych Polskiej Akademii Nauk, Warszawa
• Uniwersytetu Kardynała Stefana Wyszyńskiego, Wydział Matematyczno-Przyrodniczy,Warszawa

autor

Krupiński M.

• Centrum Badań Kosmicznych Polskiej Akademii Nauk, Warszawa

Bibliografia

• Cheng, Q., 1999. Multifractality and spatial statistics. Computer and Geosciences 25, s. 949 - 961.
• Drzewiecki W., Wawrzaszek A., Krupiński M., Aleksandrowicz S., Bernat K., 2013a. Comparison of selected textural features as global content-based descriptors of VHR satellite image – the EROS-A study. Federated Conference on Computer Science and Information Systems, s. 43-49.
• Drzewiecki W., Wawrzaszek A., Aleksandrowicz S., Krupinski M., Bernat, K., 2013b. Comparison of selected textural features as global content-based descriptors of VHR satellite image. Geoscience and Remote Sensing Symposium (IGARSS), 2013 IEEE International, doi: 10.1109/IGARSS.2013.6723801 , s. 4364 – 4366.
• Halsey T. C., Jensen M. H., Kadanoff L. P., Procaccia I., Shraiman B. I., 1986. Fractal measures and their singularities: The characterization of strange sets. Physical Review A, 33(2), doi:10.1103/PhysRevA.33.1141, s. 1141–1151.
• Hentschel H., Procaccia I., 1983. The infinite number of generalized dimensions of fractals and strange attractor. Physica D, 8, s. 435–444.
• Hu M. G., Wang J. F., Ge Y., 2009. Super-Resolution Reconstruction of Remote Sensing Images Using Multifractal Analysis. Sensors, 9, s. 8669-8683.
• Kupidura P., 2015. Wykorzystanie granulometrii obrazowej w klasyfikacji treści zdjęć satelitarnych. Prace Naukowe, Geodezja z. 55, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa.
• Lewiński S., Aleksandrowicz S., Banaszkiewicz M. 2014. Testing texture of VHR panchromatic data as a feature of land cover classification. Acta Geophysica, 63(2), 547-567.
• Lopes R., Betrouni N., 2009. Fractal and multifractal analysis: A review. Medical Image Analysis, 13, s. 634-649.
• Sun W., Xu G., Gong P., Liang S., 2006. Fractal analysis of remotely sensed images: A review of methods and applications. International Journal of Remote Sensing, 27 (22), s. 4963-4990.
• Stojić T., Reljin I., Reljin B., 2006. Adaptation of multifractal analysis to segmentation of microcalcifications in digital mammograms. Physica A, 367, s. 494–508.
• Szczepaniak A., Macek W.M., 2008. Asymmetric multifractal model for solar wind intermittent turbulence. Nonlinear Processes in Geophysics, 15, s. 615-620.
• Walichnowska M., 2014, Implementacja opisu multifraktalnego na potrzeby analizy zobrazowań satelitarnych, praca magisterska, Uniwersytet Kardynała Stefana Wyszyńskiego, Warszawa.
• Wawrzaszek A., Krupiński M., Aleksandrowicz S., Drzewiecki W., 2013a. Formalizm multifraktalny w analizie zobrazowań satelitarnych. Archiwum Fotogrametrii, Kartografii i Teledetekcji, 25, s. 261-272.
• Wawrzaszek A., Aleksandrowicz S., Krupiński M., Drzewiecki W., 2014. Influence of Image Filtering on Land Cover Classification when using Fractal and Multifractal Features. Photogrammetrie - Fernerkundung - Geoinformation, 2, s. 101–115.
• Xia Y., Feng D., Zhao R., Zhang Y. 2010. Multifractal signature estimation for texture image segmentation. Pattern Recognition Letters, 31, s. 163-169.
• Xu Y., Ji H., Fermuller C., 2006. A projective invariant for textures. IEEE Conf. Computer Vision and Pattern Recognition (CVPR), New York.
• Yeo T.S., Gan D., 2001. A multifractal approach for auto-segmentation of SAR images, IEEE Geoscience & Remote Sensing Symposium (IGARSS) 2001, 5, s. 2301-2303.