بالاترین کیفیت
اگر میخواهید روش شناسایی سایه در تصاویر ماهواره ای را یاد بگیرید این آموزش به همین موضوع در محیط سامانه گوگل ارث انجین پرداخته شده است.
بسترهای تصویربرداری سنجش از دور به دو نوع غیرفعال و فعال تقسیم می شوند. در تصویربرداری غیرفعال بافت اشیا در چندین باند فراهم می شوند، مانند باندهای قرمز، سبز و آبی در تصاویر RGB. به دلیل اینکه اطلاعات بافت در تصاویر RGB مشابه سامانه بینایی انسان است، مورد توجه محققان زیادی می باشد.
اندازه پیکسل در تصاویر نوری وابسته به جنس ماده و اندازه ی بازتاب نورخورشید است. اشیای بلند مانع رسیدن نور خورشید به سطح زمین یا اشیای کوتاه همسایگی هستند. سایه نتیجه ی عدم رسیدن مستقیم نور خورشید به شی است که در نتیجه آن شدت نور پایین و کیفیت کم در بافت تصویر ایجاد می شود. سایه باید در کاربردهای شناسایی شی، طبقه بندی، شناسایی تغییر، تخمین تخریب، و تقطیع حذف شوند و یا نادیده گرفته شوند.
توضیحات محصول آموزشی
محیط شهری دارای پیچیدگی زیادی در پردازش خودکار تصاویر و کاربردهای سنجش از دور است. این محیط شامل سازه های مرتفع است که می توانند دارای پتانسیل زیادی در تولید نواحی سایه باشد. در نتیجه، علاوه بر پیچیدگی ذاتی روش های شناسایی خودکار سایه، این روش ها در محیط شهری به پیچیدگی بیشتری نیاز دارند. وجود سایه در تصویر مانند یک تیغ دولبه است که می تواند دارای مزیت و ضرر باشد.
در این آموزش دو روش برای شناسایی سایه در نظر گرفته شده است. در روش اول از شاخص سایه مبتنی بر داده های طیفی در تصاویر Sentinel-2 استفاده می شود تا مناطق سایه برجسته شوند و با آستانه گذاری جدا شوند. در آموزش مناطقی از پکن و تهران را مورد بررسی قرار دادیم.
عناوین آموزشی
موضوعات آموزش داده شده در این محصول عبارت اند از:
- فراخوانی تصاویر سنتینل 2 در زمان و مکان مشخص
- تعریف شاخص شناسایی سایه بر اساس باندهای سنتینل 2
- شناسایی سایه در محیط شهری در تصاویر سری زمانی سنتینل 2
- فراخوانی تصویر با رزولوشن خیلی بالا (30 سانتی متر)
- تعریف شاخص شناسایی سایه با استفاده از عملگرهای مورفولوژی dilation و erosion
- شناسایی محیط سایه با کمک اطلاعات همسایگی
ابراهیم گلزار –
باسلام
ایا این تکنیک برای داده های لندست هم کاربرد دارد؟
باتشکر
mohammad kakooei –
سلام
اولا، به صورت دقیق خیر.. چون بخش سنتینل ۲ این آموزش بر اساس مقاله ای است که در سال ۲۰۱۹ در مجله “Int J Appl Earth Obs Geoinformation” چاپ شده است. و تمرکز آن بر روی باندهای سنتینل ۲ است.
ثانیا، یافتن سایه ساختمان ها در رزولوشن ۳۰ خیلی مناسب نیست.
و در نهایت اینکه، می توانید در طول موج های مشابه از باندهای لندست استفاده کنید. اما لندست باند “Water vapor” ندارد.
موفق باشید
حامد –
سلام خسته نباشید و ممنون از آموزش خوبتون
سوال من در خصوص ایمپورت کردن عکس با رزولوشن بالا و اعمال کد شما روی آن هست..اگر خودمون قصد تولید چنین عکسی را داشته باشیم چطور میتوانیم این کار را انجام بدیم (بنده با گوگل ارث پرو عکسی رو درست کردم ولی وقتی ایپورت میکنم مقادیر مین و مکس را na نشون میده )
دومین سوال در خصوص قسمت اول کار شما برای سنتینل هست ..چه کنیم که یک دیتا ست از تمامی عکس های سایه را برای محدوده داشته باشیم؟
ممنون
Mohammad Kakooei –
سلام
عکس رو در همون GEE با ایمیل من share تا ببینم.
kakooey.m@gmail.com
تجربه import تصاویر ۱ متر و زیر ۱ متر (۵۰، ۳۵ و ۵ سانتی متر) را دارم و مشکل خاصی وجود نداره.
سوال دومتون نامفهمومه
مهدیه –
سلام من از همان اول خطای
“imagecollection” is not defined in this scope.
in , line 4
in , line 7
را می دهد چه کار کنم
امیرحسین احراری –
با سلام و احترام
لطفا با استفاده از گزینه getlink لینک کدتون رو در اینجا برای بنده کپی کنید تا بتونم بررسی کنم.
موفق باشید
Mohammad Kakooei –
سلام
احتمالا شما در فراخوانی مجموعه تصاویر از نام دیگری استفاده کردید و اینجا در حال استفاده از imagecollection هستید
لینک کد را ایمیل کنید تا بررسی کنم.
kakooey.m@gmail.com
yosef divjam –
سلام دارم خدمت اساتید محترم
بنده دنبال تصاویر ماهواره ای سالهای قبل باکیفیت و دقت بالا که بشه درخت یا آلونک در تصویر مشخص کرد هستم که فکر نکنم اینجا مشکلم حل بشه
محصولات ارزنده شما مطالعه کردم دست مریزاد و آموزش گوگل ارث انجین خریداری کردم باز همونی که میخاستم نبود تصاویر دقت رزولیشن بالایی نداشت.
ممنون میشم پیشنهاد یا راهنمایی کنید
البته بنده دانشجو نیستم فقط صرفا جهت اطلاعات عمومی بخاطر اینکه محل روستای ما در جنوب کشور مشکلات زمین خیلی وجود داره و چون از معتمدین هستیم خیلی نیاز است
جهت یادآوری عرض کنم از گوگل ارث استفاده میکنیم در قسمت history باز هر دوسال آبدیت میشه که اطلاعات خیلی کمی هست جدیدا سالانه آبدیت میشه
Mohammad Kakooei –
سلام
متاسفانه تصاویر ماهواره ها با رزولوشن خیلی بالا (VHR) مانند Worldview و Quickbird به رایگان در دسترس قرار ندارد و برای هر تاریخ و منطقه باید خریداری شوند!!!
بهترین حالت همون استفاده از تصاویر گوگل ارث هست که البته باید به صورت دستی Geo-referenced کنید.