Wyniki wyszukiwania - Biblioteka Nauki

1

Administracyjne aspekty organizowania kultu katolickiego

100%

Malesa W. , Wawrzaszek A.

|

2015

|

nr 33[106]

2

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

80%

Wawrzaszek A. , Walichnowska M. , Krupiński M.

|

tom 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.

3

Formalizm multifraktalny w analizie zobrazowań satelitarnych

80%

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

|

tom 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.