GEE – Verwendung der Methode des maschinellen Lernens von Cart zur Reparatur von Landsat-Bildstreifen, am Beispiel von NDVI und NDWI (vollständiger Code)

Einführung

Ich habe zuvor zwei Artikel zum Thema Bildwiederherstellung veröffentlicht und eine APP erstellt. Sie können die folgenden zwei Blogs lesen, um mehr über den spezifischen Forschungsinhalt und die Wirksamkeit der gesamten Methode zu erfahren:

Google Earth Engine APP – Lösung für das Phänomen von Farbunterschieden in Bildstreifen, ungleichmäßigem Ton und anderen Phänomenen Landsat5 NDWI Image Restoration APP_Was soll ich tun, wenn NDWI keine rötlichen Gewässer erkennen kann – CSDN-Blog

Eine Methode zur schnellen Reparatur des Streifenfarbunterschieds von Landsat-Bildern basierend auf dem GEE-Cloud-Plattform_Gee-Plattform-CSDN-Blog

Die Hauptursachen für die chromatische Aberration von Bildstreifen sind folgende:

1. Probleme mit dem optischen System: Es können Abweichungen oder Defekte an den Linsen, Filtern und anderen Komponenten des optischen Systems vorliegen, die dazu führen, dass Licht unterschiedlicher Wellenlängen während der Übertragung an inkonsistenten Stellen fokussiert wird, was zu chromatischer Aberration führt.

2. Bildsensorproblem: Die Pixeleinheiten im Bildsensor reagieren möglicherweise unterschiedlich auf Licht unterschiedlicher Wellenlängen, was zu einer inkonsistenten Helligkeit der Bilder führt, die durch Licht unterschiedlicher Wellenlängen auf dem Bildsensor erzeugt werden, was zu chromatischer Aberration führt.

3. Probleme bei der Farbverarbeitung: Während der Bildverarbeitung kann Licht unterschiedlicher Wellenlänge unterschiedlich verarbeitet werden, z. B. durch Erhöhung der Helligkeit oder Sättigung eines bestimmten Farbkanals, was zu chromatischer Aberration führt.

4. Auswirkung des Umgebungslichts: Am Aufnahmeort können Wellenlänge und Intensität des Umgebungslichts unterschiedlich sein, was sich auf das aufgenommene Bild auswirkt und zu chromatischer Aberration führt.

Im Allgemeinen ist die Entstehung der chromatischen Aberration durch Streifenbildung hauptsächlich auf die kombinierte Wirkung mehrerer Faktoren wie dem optischen System, dem Bildsensor, der Farbverarbeitung und dem Umgebungslicht zurückzuführen.

Funktion:

In diesem Artikel werden hauptsächlich viele Funktionen verwendet, darunter Normalisierungsfunktionen, Histogrammstatistiken, Methoden des maschinellen Lernens und grafische Anzeige usw. 

normalizedDifference(bandNames)

Berechnet die normalisierte Differenz zwischen zwei Bändern. Wenn die zu verwendenden Bänder nicht angegeben sind, werden die ersten beiden Bänder verwendet. Die normalisierte Differenz wird als (erste − zweite) / (erste + zweite) berechnet. Beachten Sie, dass der zurückgegebene Bildbandname „nd“ lautet, die Eingabebildeigenschaften im Ausgabebild nicht beibehalten werden und ein negativer Pixelwert in einem der Eingabebänder dazu führt, dass das Ausgabepixel maskiert wird. Um die Maskierung negativer Eingabewerte zu vermeiden, verwenden Sie ee.Image.expression() zur Berechnung der normalisierten Differenz.

Argumente:

this:input (Bild):

Das Eingabebild.

bandNames (Liste, Standard: null):

Eine Liste mit Namen, die die zu verwendenden Bänder angeben. Wenn nicht anders angegeben, werden das erste und das zweite Band verwendet.

Rückgabe: Bild

SCHLIESSEN

ee.ImageCollection.fromImages(images)

Gibt die Bildsammlung zurück, die die angegebenen Bilder enthält.

Argumente:

Bilder (Liste):

Die Bilder, die in die Sammlung aufgenommen werden sollen.

Gibt zurück: ImageCollection

ui.Chart.image.histogram(image, RegionMaßstab< a i=4>, maxBucketsminBucketWidth, < a i=9>maxRawmaxPixel)

Erzeugt ein Diagramm aus einem Bild. Berechnet und zeichnet Histogramme der Werte der Bänder im angegebenen Bereich des Bildes.

  • X-Achse: Histogramm-Buckets (des Bandwerts).

  • Y-Achse: Häufigkeit (Anzahl der Pixel mit einem Bandwert im Bucket).

Gibt ein Diagramm zurück.

Argumente:

Bild (Bild):

Das Bild, aus dem ein Histogramm erstellt werden soll.

Region (Feature|FeatureCollection|Geometry, optional):

Die zu reduzierende Region. Wenn es weggelassen wird, wird das gesamte Bild verwendet.

Skala (Zahl, optional):

Die Pixelskala, die beim Anwenden des Histogrammreduzierers verwendet wird, in Metern.

maxBuckets (Anzahl, optional):

Die maximale Anzahl von Buckets, die beim Erstellen eines Histogramms verwendet werden sollen; wird auf eine Zweierpotenz aufgerundet.

minBucketWidth (Zahl, optional):

Die minimale Histogramm-Bucket-Breite oder Null, um eine Potenz von 2 zu ermöglichen.

maxRaw (Zahl, optional):

Die Anzahl der Werte, die vor der Erstellung des anfänglichen Histogramms akkumuliert werden sollen.

maxPixels (Anzahl, optional):

Wenn angegeben, wird die maximal zulässige Pixelanzahl bei der Histogrammverkleinerung überschrieben. Standardmäßig ist 1e6.

Gibt zurück: ui.Chart

setSeriesNames(seriesNames, seriesIndex)

Gibt eine Kopie dieses Diagramms mit aktualisierten Seriennamen zurück.

Argumente:

this:ui.chart (ui.Chart):

Die ui.Chart-Instanz.

seriesNames (Dictionary|Dictionary<String>|List|List<String>|String):

Neue Seriennamen. Wenn es sich um eine Zeichenfolge handelt, wird der Name der Serie bei seriesIndex auf seriesNames gesetzt. Wenn es sich um eine Liste handelt, wird der Wert am Index i in der Liste als Bezeichnung für die Seriennummer i verwendet. Wenn es sich um ein Wörterbuch oder ein Objekt handelt, wird es als Zuordnung bestehender Seriennamen zu neuen Seriennamen behandelt. In den letzten beiden Fällen wird seriesIndex ignoriert.

seriesIndex (Zahl, optional):

Der Index der umzubenennenden Serie. Wird ignoriert, wenn es sich bei seriesNames um eine Liste oder ein Wörterbuch handelt. Serien sind 0-indiziert.

Gibt zurück: ui.Chart

ee.Reducer.histogram(maxBucketsminBucketWidthmaxRaw)

Erstellen Sie einen Reduzierer, der ein Histogramm der Eingaben berechnet.

Argumente:

maxBuckets (Ganzzahl, Standard: null):

Die maximale Anzahl von Buckets, die beim Erstellen eines Histogramms verwendet werden sollen; wird auf eine Zweierpotenz aufgerundet.

おすすめ

転載: blog.csdn.net/qq_31988139/article/details/134955908