DZODZO –– cvicviččeneníí 33
GeometrickGeometrickáá transformacetransformace
GeometrickGeometrickáá transformacetransformace
ZZÁÁKLADNKLADNÍÍ POJMYPOJMY
• přímá vs. nepřímá transformace
• globální vs. lokální algoritmus
• exaktní vs. aproximující algoritmus
POLYNOMICKPOLYNOMICKÁÁ TRANSFORMACETRANSFORMACE
–– sbsběěr identických bodr identických bodůů
–– volba stupnvolba stupněě transformacetransformace ((nejnejččastastěějjšíší stupestupeňň??))
–– výpovýpoččet transformaet transformaččnníích rovnicch rovnic ((popoččetet vlvlíícovaccovacííchch bodbodůů??))
–– testovtestováánníí transformatransformaččnníích rovnicch rovnic
–– rektifikace obrazurektifikace obrazu
–– ppřřevzorkovevzorkováánníí obrazu (obrazu (metoda neblimetoda nebližžšíšího souseda,ho souseda,
bilinebilineáárnrníí interpolace, kubickinterpolace, kubickáá konvolucekonvoluce, sin(x)/x, sin(x)/x))
DZODZO -- cvicviččeneníí
ZadZadáánníí a výstupya výstupy
k protokoluk protokolu čč. 1 (2.. 1 (2.ččáást)st)
ÚÚKOLYKOLY
• geometricky transformujte zpracovávaná data (snímek z
roku 2001)
• využijte referenční data dle potřeby
• použijte min. 6 (popř. 8) vhodně rozmístěných
vlícovacích bodů (GCP)
– počet v závislosti na zvoleném stupni polynomické transformace
– celková RMS jednotlivých bodů nesmí přesáhnout 1/3 pixelu
• zvolte body pro kontrolu správnosti (check point) v
místech, kde se nenachází vlícovací body
• celkový počet bodů (vlícovacích + kontrolních) bude min.
15
• pro převzorkování vyberte jednu z nabízených metod
(mimo filtrace) a svůj výběr zdůvodněte
• po provedení geometrické transformace ověřte
správnost rektifikovaného obrazu vůči vektorovým datů a
vůči snímku z roku 1986
OBECNOBECNÉÉ ZZÁÁSADY GEOMETRICKSADY GEOMETRICKÉÉ
TRANSFORMACE vTRANSFORMACE v GeomaticeGeomatice
• správné nastavení parametrů projekce (cílový
souřadný systém, velikost výsledného pixelu,
souřadný systém referenčních dat)
• pečlivý sběr vlícovacích bodů
• vhodné rozmístění bodů v ploše snímku
• kontrola/úprava bodů s vysokou RMS chybou
• volba vhodného stupně polynomické
transformace
• volba kvalitních kontrolních bodů
PoznPoznáámky k vypracovmky k vypracováánníí
OtevOtevřřeneníí projektuprojektu OE na jinOE na jinéém pom poččíítataččii
•• OrthoEngineOrthoEngine si v projektu uchovsi v projektu uchováávváá absolutnabsolutníí
adresy pouadresy použžitých souboritých souborůů
•• ppřři otevi otevřřeneníí projektu na jinprojektu na jinéém pom poččíítatačči (napi (napřř. z. z
flashdiskuflashdisku) budou sn) budou sníímky namky naččtentenéé v projektuv projektu
OFFLINEOFFLINE
•• je nutnje nutnéé nastavit aktunastavit aktuáálnlníí cestu ke sncestu ke sníímkmkůůmm
–– v zv zááhlavhlavíí hlavnhlavníího oknaho okna OrthoEngineOrthoEngine zvolzvolíímeme
UtilitiesUtilities →→ RenameRename ImageImage……
VÝSTUPYVÝSTUPY
• prostorové rozlišení snímků
• seznam vlícovacích bodů a jejich souřadnic
(snímkových i výsledných)
• stupeň polynomické transformace
• hodnota celkové RMS
• přehled rozmístění vlícovacích a kontrolních
bodů ve snímku (Alt+PrntScr)
• BBox – souřadnice rohů rektifikovaného snímku
• použitá metoda převzorkování a odůvodnění
jejího výběru
• výsledná projekce spolu s vektorovými daty
Burian, SvobodováLidar Remote Sensing for Ecosystem Studies
Crhová, Pilchová
Extracting urban vegetation characteristics
using spectral mixture analysis and decision
tree classifications10.12.
Stuchlík, Vereš
Wavelet analysis of MODIS time series to
detect expansion and intensification of rowcrop
agriculture in Brazil
Janáčová, Kluzová
Use of normalized difference built-up index in
automatically mapping urban areas from TM
imagery
26.11.
Kuska
Multiple Classifiers Applied to Multisource
Remote Sensing Data
Kučera, Tomaštík
Geo-Wiki.Org: The Use of Crowdsourcing to
Improve Global Land Cover
19.11.
Pohanková, Zvara
UAV Photogrammetry for Mapping and 3D
Modeling – current status and future
perspectives
Fasurová, Ondráčková
Spatial Analysis of Global Urban Extent from
Night Lights
5.11.
StudentiPrezentaceDatum
Hladík, Hrbatová
Using a Binary Space Partitioning Tree for
Reconstructing Polyhedral Building Models
from Airborne Lidar Data
Jankovičová,
Matušková
Support vector machines in remote sensing:
A review
13.12.
Fiedor
Building Extraction from High Resolution
Imagery based on Multi-scale Object Oriented
Classification and Probabilistic Hough
Transform
Tarabusová
Evidence of Walls in Oblique Images for
Automatic Verification of Buildings
29.11.
Vystrčilová
Remote Sensing of Vegetation from UAV
Platforms using Lightweight Multispectral and
Thermal Imaging Sensors
Kučera, Tomaštík
Geo-Wiki.Org: The Use of Crowdsourcing to
Improve Global Land Cover
22.11.
Kantor, Spál
Fusion of multi resolution remote sensing
data for urban sprawl analysis
Gajdošová, Kůsová
Unsupervised Fuzzy Classification of
Multispectral Imagery Using Spatial-Spectral
Features8.11.
StudentiPrezentaceDatum