Wyniki wyszukiwania - BazTech

1

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

Wawrzaszek A., Walichnowska M., Krupiński M.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2015

|

Vol. 27

175--184

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.

2

Multifraktalna analiza zobrazowań satelitarnych

Wawrzaszek A., Krupiński M., Drzewiecki W., Aleksandrowicz S.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2015

|

Vol. 27

163--173

PL

Przedstawione prace badawcze dotyczyły oceny skuteczności stosowania opisu multifraktalnego jako narzędzia do wydobywania informacji z bardzo wysokorozdzielczych zobrazowań satelitarnych, prezentujących głównie obszary Polski. Przeanalizowano duże zestawy danych panchromatycznych, zarejestrowanych przez satelity WorldView-2 i EROS-A. Wyniki analiz potwierdziły wyższość multifraktali jako globalnych charakterystyk zobrazowań nad standardowym opisem fraktalnym, a także użyteczność stosowania parametrów multifraktalnych jako charakterystyk w klasyfikacji zdjęć satelitarnych przy użyciu klasyfikacyjnych drzew decyzyjnych. Porównano również cechy multifraktalne z szeroko stosowanymi parametrami teksturalnymi w kontekście skuteczności klasyfikacji zdjęć satelitarnych i przeanalizowano wpływ filtracji na wyznaczane charakterystyki multifraktalne, w szczególności w kontekście poprawy skuteczności klasyfikacji. Przeprowadzono również wstępne badania dotyczące możliwości wykorzystania fraktali w analizach lotniczych danych hiperspektralnych. Przeprowadzone analizy wykazały użyteczność multifraktali w wielu obszarach badań teledetekcyjnych, a wypracowana metodologia może być z powodzeniem dalej rozwijana i stosowana do bardziej ukierunkowanych zadań, takich jak analiza zmian lub ocena przydatności kanałów spektralnych.

EN

Research presented in this paper is focused on the efficiency assessment of multifractal description as a tool for Image Information Mining. Large datasets of very high spatial resolution satellite images (WorldView-2 and EROS-A) have been analysed. The results have confirmed the superiority of multifractals as global image descriptors in comparison to monofractals. Moreover, their usefulness in image classification by using decision trees classifiers was confirmed, also in comparison with textural features. Filtration process preceding fractal and multifractal features estimations was also proved to improve classification results. Additionally, airborne hyperspectral data have been initially analysed. Fractal dimension shows high potential for the description of hyperspectral data. To summarise all conducted tests indicate the usefulness of multifractal formalism in various aspects of remote sensing. Prepared methodology can be further developed and used for more specific tasks, for example in change detection or in the description of hyperspectal data complexity.

3

Formalizm multifraktalny w analizie zobrazowań satelitarnych

Wawrzaszek A., Krupiński M., Aleksandrowicz S., Drzewiecki W.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2013

|

Vol. 25

261--272

EN

In our work we present multifractal formalism as a tool for description and extraction of information on very high spatial resolution satellite images. This approach is based on an assumption that single image (multifractal) consists of number of fractals, each with different dimension. Multifractals are used for description, modelling, analysis and processing of different complex shapes and signals. In particular multifractal decomposition can be used in the analysis of heterogeneous measures and structures typical for satellite images. It allows for detailed characterisation (local and global) and description using functions. Listed advantages motivate our work on this topic. First part of our paper is a review of multifractal methods applied so far in remote sensing. Next we present our approach and results of analysis done on 159 subsets of images acquired by WorldView-2 satellite. Our test samples present different land cover types. Conducted analysis shows that generalised dimensions designated for individual fragments of images differs depending on the present land cover types. Also values of multifractality are connected to a land cover type. In general they allow for automatic assignment of land cover types to specific classes. Some deviations take place in case of discrimination between agricultural areas and forests – this will be a point for future investigation. The highest multifractality level can be observed for urban areas, the lowest for water that can be considered as a monofractal. Conducted analysis shows that multifractal formalism creates additional possibilities for the description and automatic classification of images.

PL

W pracy przedstawiamy formalizm multifraktalny, jako narzędzie wspomagające opis i ekstrakcję informacji z wysokorozdzielczych zobrazowań satelitarnych. Podejście to opiera się na założeniu, że na pojedynczy obraz (multifraktal) składa się wiele fraktali, każdy o innym wymiarze samopodobieństwa (wymiarze fraktalnym). Multifraktale stosuje się do opisu, modelowania, analizowania i przetwarzania różnych złożonych kształtów i sygnałów. W szczególności dekompozycja multifraktalna jest użyteczna w analizie niejednorodnych miar i struktur, typowych dla zobrazowań satelitarnych, pozwalając na bardziej dokładną charakterystykę (lokalną i globalną) oraz opis za pomocą relacji funkcyjnych. Wymienione zalety tej metody uzasadniają nasze ukierunkowanie się na opis multifraktalny rozważany w ramach niniejszej pracy. Pierwszą część pracy stanowi przegląd dotychczasowego zastosowania metod multifraktalnych w różnych obszarach teledetekcji. W dalszej części przedstawiamy wyniki własnej analizy multifraktalnej 159 fragmentów wysokorozdzielczych zobrazowań panchromatycznych satelity WorldView-2. Przedstawiają one jeden z czterech typów pokrycia terenu: wodę, las, zabudowę miejską lub tereny rolnicze. Przeprowadzone analizy pokazują, że wymiary uogólnione wyznaczone dla poszczególnych fragmentów zobrazowań różnią się w zależności od form pokrycia, także wartości poziomu multifraktalności wiążą się z typem pokrycia terenu i w ogólności pozwalają na automatyczne przypisanie rozważanych przypadków do poszczególnych klas. Pewne odstępstwa występują jedynie podczas procesu rozróżnienia terenów rolniczych od lasów, co poddane zostanie dalszym analizom. Dalej, największy poziom multifraktalności obserwujemy dla obszarów zabudowanych, najmniejszy dla wody, która może być rozważana, jako obiekt monofraktalny. Przeprowadzone analizy pokazują, że formalizm multifraktalny stwarza dodatkowe możliwości opisu i automatycznej klasyfikacji zobrazowań. Liczymy więc na jego zastosowanie w kontekście powstałych i dopiero planowanych danych obrazowych.