Автоматическое обнаружение треков

Учитывая область с депрессиями в открытой местности от; скажем вездеходы едут по мягкой поверхности. Транспортные средства будут вызывать параллельные углубления (траектории) глубиной около 10-20 сантиметров и шириной около 15-30 сантиметров, при этом длина зависит от прочности поверхности.

Какие платформы дистанционного зондирования будут актуальны для последующего анализа? Quickbird, меньшие дроны, лидар, аэрофотосъемка?
Существуют ли доступные инструменты в инструментах (FME / QGIS / ESRI / прочее), которые можно использовать для документирования путей?

Давайте для упрощения этого вопроса предположим, что мы точно знаем, что в этой области нет других путей или что они были отфильтрованы из изображений.

Полная автоматизация не нужна и, вероятно, даже невозможна.

Это пример того, как будут выглядеть треки. введите описание изображения здесь

— Ragnvald
источник

Это хороший вопрос. Обычно я предпочитаю две платформы - одну найти, другую подтвердить. Коричневая депрессия, скорее всего, будет колесной колеей, наоборот, депрессия без колеса, скорее всего, будет «зеленой». LiDAR даст вам лучшую ЦМР для нахождения депрессий, а ИК - лучший для классификации растительности / не растительности. Имейте в виду, что LiDAR, в зависимости от многих факторов, даст разные результаты в случае объединения воды. Традиционно они могут быть получены только с одной фотографии, что занимает много часов работы, но вы должны взвесить стоимость труда против сбора данных.

— Майкл Стимсон

Полагаю, ваша конечная цель - определить трассы для бездорожья. Какова степень вашей области обучения? Где находится учебная зона?

— Аарон

Спасибо Арон, да это связано с внедорожными трассами. Мы стремимся документировать их, чтобы получить представление о степени любого ущерба. Мы бы, вероятно, ограничили это какой-то единицей управления, такой как заповедники, национальные парки или тому подобное. Сейчас мы пытаемся выяснить наши варианты, прежде чем разрабатывать проект.

— Рагнвальд

Я не уверен насчет LiDAR на снегу (в Квинсленде не так много), открытые пространства намного легче классифицировать, и вы можете уйти с более дешевыми датчиками (с меньшей отдачей на импульс) .. в районах с сильной растительностью обязательно использовать несколько возвратов за импульс, чтобы найти землю; плотность импульсов такая же, но меньше отдачи. Чтобы найти ваши борозды, ваш интервал между точками должен быть достаточно хорошим (более 8 импульсов / кв.м), что означает более низкий полет, больше полос, больше затрат, больше хранения, больше времени обработки. Может быть намного дешевле получить снимок с фотографии, сделанной в Китае или Индии.

— Майкл Стимсон

Я должен уточнить мое предыдущее утверждение, если вам нужно приобрести LiDAR и мультиспектральные изображения для этого проекта и вы не можете компенсировать стоимость (совместная покупка с другой компанией или государственным департаментом, который имеет отдельные интересы в той же области), стоимость будет высоким, вероятно, выше, чем улов, при условии, что вы сможете получать рабочую силу с низкой скоростью. Я не говорю, что это невозможно, отнюдь нет, это было бы очень интересно, как белая книга, просто, вероятно, не самый дешевый вариант.

— Майкл Стимсон

Я не уверен, что это может быть лучшим решением для вашей цели, но мой опыт работы с данными SAR позволяет предположить, что это может быть правильным способом найти треки в саванне и песчаной среде.

Поскольку SAR представляет собой систему когерентного формирования изображений, можно рассмотреть две формы обнаружения изменений, а именно: обнаружение некогерентных и когерентных изменений. Обнаружение некогерентных изменений идентифицирует изменения средней мощности обратного рассеяния сцены, как правило, через статистику изменения среднего отношения интенсивности (амплитудный сигнал). Обнаружение когерентных изменений, с другой стороны, идентифицирует изменения как амплитуды, так и фазы преобразованных изображений, используя статистику изменения когерентности выборки. Таким образом, обнаружение когерентных изменений может обнаруживать очень тонкие изменения сцены в структуре рассеяния ячеек с низким разрешением, которые могут быть необнаружимы с использованием некогерентных методов. Другими словами, транспортные средства или следы животных.

Благодаря Обнаружению изменения когерентности (CCD) вы можете получить согласованную карту фазы (панхроматическую). Белый пиксель означает когерентный сигнал (без изменений), черный пиксель означает некогерентный сигнал (изменения). Там, где вы можете найти параллельные треки для интересного отрезка времени, это означает, что должно быть интересно больше исследовать

введите описание изображения здесь

Конечно, это зависит от длины волны фазы и фактора времени.
Однако изображения SAR повторного прохождения должны быть получены и обработаны интерферометрически.

В основном, есть два хороших инструмента для проведения такого анализа: Erdas с Radar Mapping Suite и ENVI с модулем SarScape.

Моя оценка лишена экономических аспектов.

— superifa
источник

Этот метод предполагает, что есть изображения, показывающие до и после активности. Учитывая, что у нас в некоторых случаях будут только 5-летние (панкроматические) изображения, мы должны ожидать много шума, и поэтому этот метод может быть проблематичным.

— Рагнвальд