1.

+Anda
2. Web
3. Gambar
4. Maps
5. Berita
6. Terjemahan
7. Gmail
8. Lainnya
1. Buku
2. Tanya Jawab
3. Cendekia
4. Blog
5.
6. Kalender
7. Foto
8. Documents
9. Sites
10. Grup
11.
12. Masih banyak lagi »

Account Options
1. Masuk
2.
3.
1. Bantuan

286 Chapter 7 Co en id

Terjemahan
en

Dari: Inggris
id

Ke: Bahasa Indonesia

Terjemahkan

n _t id UTF-8 2 1

Inggris
Bahasa Indonesia
Jepang
Merjemahkan teks atau laman web
 286 Chapter 7 Correction and Calibration
7.2 Distortion Correction
Remote-sensing imagery requires spatial distortion corrections to maximize its usefulness for information
extraction. The distortion arises from scanner characteristics and their interaction w ith the

Bahasa Indonesia
Inggris
Arab
355
BAB 8
Gambar Pendaftaran dan Fusion
8.1 Pendahuluan
Pendaftaran spasial gambar multidate atau multisensor diperlukan untuk banyak aplikasi di
daerah terpencil
penginderaan, seperti deteksi perubahan, pembangunan mosaik citra, DEM generasi dari stereo
pasangan, dan orthorectification. Pendaftaran adalah proses yang membuat piksel dalam dua
gambar tepat
bertepatan dengan poin yang sama di tanah. Meskipun gambar yang kemudian di
relatif
pendaftaran,
yang
mutlak
tanah koordinat piksel mungkin tidak diketahui. Pendaftaran mudah untuk
mencapai dengan citra yang sebelumnya telah dikoreksi untuk distorsi sensor dan orbit. Setelah
terdaftar,
gambar dapat dikombinasikan, atau
tergabung
, Dengan cara yang meningkatkan ekstraksi informasi.
Contoh fusi meliputi ekstraksi Dems dari pasangan foto stereo dan compositing gambar
dengan resolusi spasial dan spektral yang berbeda.
356 Bab 8 Gambar Pendaftaran dan Fusion
8.2 Apa Pendaftaran?
Tumpang tindih cakupan dari beberapa gambar yang diperoleh dalam beberapa cara:
•
sensor yang sama satelit di mengunjungi kembali, baik di orbit yang sama (Tabel 1-5) atau
dengan menunjuk
off-nadir dalam orbit yang berbeda
•
tetangga orbit dari sensor satelit yang sama, yang biasanya beberapa hari terpisah
•
sensor satelit yang berbeda
•
satelit dan udara sensor
Kemungkinan-kemungkinan ini diilustrasikan pada Gambar. 8-1. Hal ini sulit, tetapi bukan tidak
mungkin, untuk mendapatkan cakupan pada
tanggal yang sama dari beberapa sensor. Konsep dari "melatih" satelit yang dijelaskan dalam
Bab 1,
di mana beberapa sensor satelit di orbit yang sama dan dipisahkan oleh beberapa menit,
memungkinkan beberapa
gambar (atau data lainnya) koleksi dalam jangka waktu singkat. Untuk mengambil keuntungan
dari multitemporal
gambar, mereka pertama harus terdaftar, pixel-by-pixel.
GAMBAR 8-1. Empat cara untuk memperoleh data multitemporal dari daerah yang sama dari
sebuah sensor satelit satu atau dua
sensor yang berbeda. Cakupan kesamaan gambar ditampilkan setelah mereka telah bersama-
terdaftar.
sensor tunggal
TM
SPOT
TM
AVIRIS
Orbit Orbit j k
tanggal 1 tanggal 2
beberapa sensor
orbit j, tanggal 1 dan
tanggal 1 + kembali periode
atau
orbit j dan orbit k,
tanggal 1, tanggal 2 dengan offnadir
menunjuk
8.3 Lokasi Otomatis GCP 357
Untuk mendaftar gambar tersebut, kita perlu untuk mendirikan sebuah transformasi koordinat
yang berhubungan pixel
koordinat (baris dan kolom) dari satu gambar dengan mereka yang lain, atau berhubungan baik
untuk referensi umum.
Hal ini dapat dilakukan dengan beberapa GCPs dan model distorsi yang cocok, seperti yang
dijelaskan dalam Bab 7.
Pendekatan seperti ini seringkali cukup untuk pencitraan satelit dari area dengan sedikit moderat
topografi
lega, tetapi identifikasi manual dan pengukuran GCPs membosankan, terutama dalam
lingkungan produksi. Selain itu, topografi variasi dalam udara atau satelit resolusi tinggi
citra biasanya pada frekuensi spasial yang terlalu tinggi untuk secara akurat dimodelkan oleh
polinomial global.
Kami, karena itu, perlu cara untuk meningkatkan kepadatan GCP sehingga lebih rendah-order
model, seperti
polinomial sesepenggal, dapat digunakan. Solusi untuk masalah ini adalah subyek dari bagian
pertama dari
bab ini.
8.3 Otomatis GCP Lokasi
Otomatis lokasi GCP dalam dua gambar terdiri dari dua langkah. Yang pertama
ekstrak fitur spasial
dari setiap gambar. Kemudian, fitur yang dipasangkan oleh
correspondance pencocokan
. Berbagai jenis
fitur spasial telah digunakan, termasuk titik, garis, dan daerah (Tabel 8-1). Keberhasilan
proses tergantung, sebagian, pada kesamaan fitur dalam dua gambar. Temporal, melihat sudut,
dan perbedaan sensor semua mempengaruhi korespondensi pencocokan fitur GCP.
8.3.1 Wilayah Korelasi
Penentuan Manual single-pixel GCPs digambarkan dalam Bab 7. Konteks spasial lokal
yang GCP secara visual dan mental yang tergabung dalam proses tersebut. Demikian pula, kecil
daerah di masing-masing gambar
("Chip" atau "patch") dapat berfungsi sebagai fitur spasial untuk pendaftaran otomatis. Tidak
perlu
untuk secara tepat menentukan lokasi yang sesuai pada chip kedua gambar, karena
crosscorrelation spasial
akan digunakan untuk menentukan pergeseran diperlukan untuk pendaftaran. Jadi, yang paling
membosankan bagian
dari manual GCP seleksi otomatis. Chip harus cukup kecil bahwa pergeseran sederhana sudah
cukup
untuk pendaftaran dari masing-masing sepasang chip, yaitu, kita tidak ingin distorsi internal
dalam sebuah chip.
1
Perbedaan antara pergeseran ditentukan dari chip yang berbeda mendefinisikan rotasi global,
miring, atau lainnya misalignments antara gambar penuh (Bab 7). Beberapa saran untuk semi
otomatis
pendekatan yang menggabungkan manfaat dari pemilihan GCP sepenuhnya manual dan otomatis
telah dibuat dalam Kennedy dan Cohen (2003).
1. Namun, hal ini dapat dihindari dengan adanya bantuan dataran tinggi atau rotasi yang relatif
besar antara dua
gambar. Setiap distorsi internal dalam satu chip relatif ke gambar untuk kawin dalam gambar
lainnya dapat dianggap
sebagai menambah ketidaksamaan antara dua fitur.
Google Terjemahan untuk:PenelusuranVideoEmailPonselObrolan
Bisnis:Perangkat PenerjemahPeluang Pasar GlobalPenerjemah Situs Web
Tentang Google TerjemahanMatikan terjemahan instanPrivasiBantuan