Форумы GIS-Lab.info

У меня два снимка Sentinel 2. Пытаюсь оценить динамику строительства за год. Столкнулась (уже не в первый раз) с тем, что на снимках как-будто разная освещенность. Из-за этого возникают проблемы при классификации. При подключении ИК канала картинка такая же. Существуют ли какие-то методы выравнивания яркости снимков? Отчего возникают такие перепады (время съемки у обоих снимков 7 утра)? Спасибо.
Из ПО в моем распоряжении Scanex Image Processor и Snap.
Наверняка это как то на гистограмме делается... а я просто не умею.

Sirena100 писал(а):У меня два снимка Sentinel 2. Пытаюсь оценить динамику строительства за год.
Из ПО в моем распоряжении Scanex Image Processor и Snap.

для оценки динамики нужен многоканальный change detection, он в Сканексе есть. Он, грубо говоря, сам преобразует яркости одного снимка в другой, и сравнивает изменения, результат - вероятность изменения. Но сначала нужно снимки скоррелировать (совместить), коррелятор в Сканексе тоже есть. Для поиска изменений желательно задать маску, выделив область интереса (убрать лес, воду, и т.д.)

В SIP есть инструмент Уравнивание гистограмм (Редактирование-->Спектральные инструменты-->Гистограмма).

Jullizzzz писал(а):В SIP есть инструмент Уравнивание гистограмм (Редактирование-->Спектральные инструменты-->Гистограмма).

Часто прямой ответ на неквалифицированный вопрос не является, в итоге, правильным, хотя верен формально. Это как раз тот случай - для решения этой задачи это не просто не нужно делать, это нельзя делать.

Пытаюсь оценить динамику строительства за год.

Сделайте мультивременное цветосинтезированное (RGB) изображение:
1) выберите один из каналов Sentinel-2 с которым вы будете работать,
2) в первый канал нового растра поставьте изображение за дату 1, во второй и третий канал поставьте изображение за дату 2.
3) новые объекты будут выделены цветом.

URIIT писал(а): новые объекты будут выделены цветом.

это имитаций "на коленке" одноканального change detection (без расчета вероятности, и вообще без учета статистики). Если нужен одноканальный детектор, то в Сканексе он есть (через регрессию). Но в данном случае нужен многоканальный.

Forest Cover Change Analysis - Landsat + SAGA GIS
Monitoring Changes with Supervised Classification Using the Semi-Automatic Classification Plugin

gamm писал(а):

Sirena100 писал(а):У меня два снимка Sentinel 2. Пытаюсь оценить динамику строительства за год.
Из ПО в моем распоряжении Scanex Image Processor и Snap.

для оценки динамики нужен многоканальный change detection, он в Сканексе есть. Он, грубо говоря, сам преобразует яркости одного снимка в другой, и сравнивает изменения, результат - вероятность изменения. Но сначала нужно снимки скоррелировать (совместить), коррелятор в Сканексе тоже есть. Для поиска изменений желательно задать маску, выделив область интереса (убрать лес, воду, и т.д.)

Я делала многоканальный change detection, считаю что этот инструмент дает неудовлетворительный результат для моей задачи. И в изменения как раз примешиваются все блики и перепады яркости на крышах домов, отблески дорог и т.п. Я собираюсь провести классификация бинарным классификатором и выделить только дома (дороги замаскировать) для двух снимков. Потом сравнить два полученных слоя. Я так с зонами затоплений делала, результат получился хороший. Соответственно, у меня уже есть четкий алгоритм как найти изменения. Я не могу выровнять яркость снимков, в этом затык.
В SIP есть инструмент "Коррекция цветового баланса". Думаю, это то что мне нужно. Только там еще какие-то шаги по корегистрации и геометрической коррекции требуются (как для создания мозаики). Сижу, ковыряюсь.
Я на верном пути или можно как-то проще это сделать?

freeExec писал(а):https://www.planet.com/pulse/color-correction/

Спасибо, почитала о причинах таких эффектов. Но корректировать тон в фотошопе я не буду, т.к. боюсь что слетит пространственная привязки и, честно говоря, понятия не имею как это сделать там поканально. Фотошоп же не умеет делать RGB композит из трех файлов.

Вот результат change detection. Область интереса -микрорайон. Как видно, попало много лишнего. С затоплениями была такая же ерунда, попали всякие кусты, кочки, сараи. Потом можно "прикурить" с ручной обработкой результата. Наверное этим инструментом хорошо обнаруживать только лесные вырубки.

А не пробовали использовать спектральные каналы теплового диапазона?
Estimation of Land Surface Temperature with Landsat and ASTER
Automatic Detection of Buildings from Aerial Images Using Color Invariant Features and Canny Edge Detection
AUTOMATIC BUILDING DETECTION BASED ON SUPERVISED CLASSIFICATION USING HIGH RESOLUTION GOOGLE EARTH IMAGES
AUTOMATED EXTRACTION OF BUILDINGS AND ROADS IN A GRAPH PARTITIONING FRAMEWORK
Арбузов Разработка методики автоматизированной обработки аэро и космических снимков для мониторинга городских территорий
Надеран С. В. Распознавание зданий на спутниковых изображениях сверхвысокого разрешения с помощью нейронных сетей

Непонятно, что вам не нравится в результате, приведенном на картинке. Результат отображает реальную разницу - где-то растительность выгорела, где-то ее вытоптали, или еще что. Магического споба получить одной кнопкой только те изменения, которые лично вас интересуют - нет. Правда, можно сузить результат до близкого к искомому всевозможными фильтрами, растровой арифметикой и т.п. Главное - понимать, что делаешь.

Да, а Photoshop с отдельными каналами RGB-композита работать прекрасно умеет, если уж на то пошло.

Гугл подсказывает, что для Sentinel 2 Toolbox есть плагин, выполняющий атмосферную коррекцию:
Sen2Cor

Удалось выровнять яркость настройкой гистограммы. Все оказалось проще, чем я думала. Однако, бинарный классификатор тоже дал неудовлетворительный результат, увы. И дело тут уже в недостаточном разрешении.