सैटेलाइट छवियों की छवि प्रसंस्करण

Question

क्या सी, सी ++, जावा जैसी कंप्यूटर भाषाओं का उपयोग करके बारिश के क्षेत्र, नमी परिदृश्य जैसे जल निकायों, वन क्षेत्रों, बंजर भूमि आदि की संभावनाओं को ढूंढने के लिए सैटेलाइट छवियों का विश्लेषण करना संभव है? इनमें से सबसे अच्छा कौन सा है? क्या यह जटिल है?

क्या उन्नत सी, सी ++, जावा संस्करणों का उपयोग करके इस परियोजना को करने का कोई अन्य विकल्प है। इन भाषाओं में पिक्सेल मान पढ़ने के लिए कोई विशेष कार्य है। MATLAB, LABVIEW जैसे टूल का उपयोग किए बिना।

Answer 1

alt text http://xs.to/thumb-1F0D_4B62DE2C.jpgalt text http://xs.to/thumb-0C7F_4B62DFCB.jpg

वहाँ पुस्तक "Digital Image Processing 3rd Edition" भूमि-जन विश्लेषण के बारे में में एक वर्ग अगर मैं सही ढंग से याद करते हैं है। "सी में डिजिटल इमेज प्रोसेसिंग" भी देखें, जिसे आप here डाउनलोड कर सकते हैं।

आईआईआरसी और this NASA page seems to confirm, और मैं कोई भौतिक विज्ञानी नहीं हूं, आपको पूर्ण (न केवल दृश्यमान) विद्युत चुम्बकीय स्पेक्ट्रम के साथ उपग्रह छवियों की आवश्यकता होगी। यह आपको पानी, vegitation और इतने पर लेने की अनुमति देता है।

लैंड सैट 7 छवियों रंग कंपोजिट, बढ़ी विषयगत मैपर (ETM +) सेंसर की तीन बैंड के तीन प्राथमिक रंग बताए द्वारा बनाई गई है। ये छवियां रंगीन तस्वीर नहीं हैं, वे "झूठी रंग" छवियां हैं (हरे रंग के फ़ील्ड छवि में हरे रंग की दिखाई नहीं देगी)।

लैंडसैट बैंड में मदद मिलेगी:

1 तटीय जल मानचित्रण, मिट्टी/वनस्पति भेदभाव, वन वर्गीकरण, मानव निर्मित सुविधा पहचान
2 वनस्पति भेदभाव और स्वास्थ्य की निगरानी, ​​मानव निर्मित सुविधा पहचान
3 पौधों की प्रजाति पहचान, मानव निर्मित फीचर पहचान
4 मिट्टी नमी निगरानी, ​​वनस्पति निगरानी, ​​जल निकाय भेदभाव
5 वनस्पति नमी सामग्री निगरानी
6 की सतह के तापमान, वनस्पति तनाव निगरानी, ​​मिट्टी की नमी की निगरानी, ​​ बादल भेदभाव, ज्वालामुखी निगरानी
7 खनिज और रॉक भेदभाव, वनस्पति नमी की मात्रा

अधिक जानकारी के लिए देखें: Lillesand, टी और कीफर, आर, 1 99 4। रिमोट सेंसिंग और इमेज इंटरप्रिटेशन। जॉन विली एंड संस, इंक, न्यूयॉर्क, पी। 468.

आप छवियों की 3 डी राहत भी बनाना चाहते हैं और स्पेक्ट्रम डेटा को घाटियों, संभावित नदी बिंदुओं, तटीय क्षेत्रों और अन्य चीज़ों से जोड़ना और उससे संबंधित करना चाहते हैं। संक्षेप में छवि विश्लेषण के माध्यम से अनुमान बनाने के लिए डेटा है

Answer 2

बनावट ऑपरेटर उपग्रह इमेजरी में भौगोलिक क्षेत्रों को अलग कर सकते हैं। यहाँ रॉबर्ट हरालिक से एक paper क्लासिक बनावट ऑपरेटरों जल निकायों की पहचान करने, घास क्षेत्रों, महानगरीय क्षेत्रों, आदि का वर्णन है

मैं खुला स्रोत Orfeo टूलबॉक्स है, जो एक सी ++ इमेज प्रोसेसिंग के आधार पर पुस्तकालय है के साथ कुछ सफलता मिली है ITK, लेकिन विशेष रूप से उपग्रह इमेजरी के लिए।आप प्रलेखन here में बनावट ऑपरेटरों के कुछ कार्यान्वयन उदाहरण देख सकते हैं।

Answer 3

paniwani का जवाब एक अच्छी शुरुआत है - जहां तक ​​वह बनावट विश्लेषण से पता चलता। Imagemagick अक्सर बनावट विश्लेषण के लिए प्रयोग नहीं किया जाता है, लेकिन यह निश्चित रूप से ऐसा करने के लिए एक संभव उपकरण है। इस की जाँच करें:

$ cat get_images.sh 
#!/bin/bash 

base_url='http://maps.googleapis.com/maps/api/staticmap?center=' 
other_params='&zoom=12&size=400x400&maptype=satellite&sensor=false' 

curl -o desert1.png "$base_url"'41.660000,112.900000'"$other_params" 2>/dev/null 
curl -o desert2.png "$base_url"'40.660000,112.900000'"$other_params" 2>/dev/null 
curl -o rural1.png "$base_url"'40.714728,-74.400000'"$other_params" 2>/dev/null 
curl -o rural2.png "$base_url"'41.714728,-74.400000'"$other_params" 2>/dev/null 
curl -o suburban1.png "$base_url"'40.614728,-74.300000'"$other_params" 2>/dev/null 
curl -o suburban2.png "$base_url"'40.714728,-74.200000'"$other_params" 2>/dev/null 
curl -o urban1.png "$base_url"'40.744728,-73.831672'"$other_params" 2>/dev/null 
curl -o urban2.png "$base_url"'40.754728,-73.930672'"$other_params" 2>/dev/null 

echo -e "\nEntropy:" 
for t in "desert1" "desert2" "rural1" "rural2" "suburban1" "suburban2" "urban1" "urban2"; do 
    echo -e " " $t "\t" `./entropy "$t".png | grep Aver | sed -e 's/.*= //'` 
done 

echo -e "\nStd Dev:" 
for t in "desert1" "desert2" "rural1" "rural2" "suburban1" "suburban2" "urban1" "urban2"; do 
    echo -e " " $t "\t" `convert "$t".png -format '%[fx:standard_deviation]' info:` 
done 

echo -e "\nRatio of hi freq to low freq:" 
for t in "desert1" "desert2" "rural1" "rural2" "suburban1" "suburban2" "urban1" "urban2"; do 
    convert "$t".png -fft +depth +adjoin "$t"_fft_%d.png 
    convert "$t"_fft_1.png -fill none -stroke black -strokewidth 100 -draw "rectangle 50,50,350,350" "$t"_fft_1b.png 
    convert "$t"_fft_1.png -fill none -stroke black -strokewidth 100 -draw "rectangle 150,150,250,250" "$t"_fft_1c.png 
    lo=`./entropy "$t"_fft_1b.png | grep Average | sed -e 's/.*= //'` 
    hi=`./entropy "$t"_fft_1c.png | grep Average | sed -e 's/.*= //'` 
    echo -e " " $t "\t" `echo "scale=8; $lo/$hi" | bc` 
done 

$ ./get_images.sh 

Entropy: 
    desert1 0.557244 
    desert2 0.586651 
    rural1 0.652486 
    rural2 0.709812 
    suburban1 0.69883 
    suburban2 0.727527 
    urban1 0.746479 
    urban2 0.765279 

Std Dev: 
    desert1 0.0756219 
    desert2 0.0881424 
    rural1 0.107279 
    rural2 0.140878 
    suburban1 0.125647 
    suburban2 0.143765 
    urban1 0.150628 
    urban2 0.185245 

Ratio of hi freq to low freq: 
    desert1 .41319501 
    desert2 .41337079 
    rural1  .41333309 
    rural2  .41335422 
    suburban1 .41326120 
    suburban2 .41339882 
    urban1  .41327271 
    urban2  .41326168 

उन तीन विभिन्न मीट्रिक (छवि एन्ट्रापी, छवि मानक विचलन, एक छवि में लो freq सामग्री को नमस्ते freq के अनुपात) प्रत्येक शालीनता से रेगिस्तान करने वाली ग्रामीण-करने के लिए एक स्पेक्ट्रम के साथ सहसंबद्ध होते हैं -suburban करने वाली शहरी। यदि आप इन्हें वर्गीकृत (उदा।, एक तंत्रिका नेटवर्क) में डालते हैं, तो मैं शर्त लगाता हूं कि आप एक सभ्य भविष्यवाणियों को विकसित कर सकते हैं कि क्या Google मानचित्र उपग्रह छवि रेगिस्तान, ग्रामीण, उपनगरीय या शहरी भूमि है।

Answer 4

मैं इस के लिए पाइथन की सिफारिश करता हूं, मेरी एक्सपेसिनेस में, अधिक उपयोगकर्ता के अनुकूल है और दूरस्थ रूप से संवेदी डेटा को संसाधित करने के लिए पाइथन मॉड्यूल की बढ़ती संख्या है। इसके अलावा, पायथन ओपन सोर्स है इसलिए आप MATLAB आदि से बच सकते हैं

आरएसजीआईएसआईएलआईबी सॉफ्टवेयर में पाइथन बाइंडिंग है और रिमोट सेंसिंग डेटा प्रोसेसिंग के लिए आदर्श है। मैंने इसे पूरी तरह से पीएचडी में इस्तेमाल किया। सॉफ्टवेयर यहां http://www.rsgislib.org पाया जा सकता है और इसके अनुप्रयोगों का प्रदर्शन करने वाला एक महान ब्लॉग यहां पाया जा सकता है https://spectraldifferences.wordpress.com

मेरे पास भूगोल में पृष्ठभूमि है लेकिन आसानी से पाइथन का उपयोग करने में सक्षम था। सी ++ और जावा आदि मेरी राय में अधिक जटिल हैं, क्योंकि पाइथन में अक्सर मॉड्यूल होते हैं जो आपके लिए मुश्किल बिट्स (इमेजरी एक्सेस करना, अनुमान लगाने आदि) करते हैं।