Gérer les ombres des montagnes lors de la classification de Landsat 8

10

J'essaie de classer une zone du nord de la Mongolie à l'aide d'images satellite Landsat 8 de 2013. Comme les enregistrements ont été réalisés en hiver, le soleil est très faible au moment de l'acquisition. Il y a donc des ombres très longues et sombres des montagnes.

Je peux identifier cette ombre à l'aide d'un DEM, comme décrit dans cette question: comment supprimer les effets topographiques comme les ombres de l'image Landsat

Comment puis-je effectuer une classification supervisée pour la zone ombrée tronquée? Est-il possible de valoriser ces zones? J'ai essayé quelques ratios de bande, mais je ne sais pas quel est le meilleur pour ma tâche.

Sur cette image, vous pouvez voir qu'il y a des zones végétalisées dans les ombres sombres, mais il n'est pas possible de les classer.

exemple pour certaines zones ombragées

dan_ke
la source
2
L'avez-vous converti en réflexion? Quelle méthode avez-vous utilisée?
Aaron
2
Non, je ne l'ai pas fait. J'ai utilisé une pile de couches de la bande 3,4,5 et j'ai fait la classification de vraisemblance maximale dans ArcGIS. Pour une meilleure interprétation de la zone, j'ai utilisé NDVI et quelques compositions de fausses couleurs.
dan_ke
2
C'est pourquoi la réflectance et l'orthorectification au niveau du capteur sont des étapes de prétraitement importantes.
Jeffrey Evans
Avez-vous essayé une correction topographique comme la correction C ou Minnaert ?, S'il vous plaît si quelque chose comme ça peut aider. Je vous fournirai plus de détails sur la façon d'y parvenir.
Paulo Cardoso
2
DN à TOA ne supprimera pas l'effet topographique. La correction topographique (normalisation topographique) minimisera, et non éliminera, l'effet d'ombre et cela sera particulièrement critique dans votre cas. Je recommande de lire ceci pour une vue générale du problème et des approches possibles.
Paulo Cardoso

Réponses:

1

En fait, il n'est pas accordé que vous puissiez récupérer des informations dans les zones ombragées. Cependant, j'ai réussi à gérer les ombres (nuages) dans une image hyperspectrale. L'objectif était une simple classification de la couverture terrestre. Voici ce que j'ai fait. Je ne sais pas comment cela fonctionnerait avec les images Landsat, mais comme c'est très simple, vous devriez l'essayer.

Une fois que j'ai détecté l'ombre, j'ai simplement effectué un histogramme faisant correspondre les zones ombrées au reste de l'image. Soyez prudent car en faisant cela, vous supposez que le signal spectral dans les zones ombragées et celui dans les zones éclairées appartiennent plus ou moins aux mêmes classes (~ mêmes distributions). Bien que ce soit une méthode très simple et simpliste, j'ai pu classer correctement les pixels ombrés au prix de quelques petites erreurs de bordure d'ombre. Vous pouvez peut-être empiler tous les rapports de bande possibles sur l'image et renormaliser toutes les fonctionnalités avant la classification, cela pourrait même réduire davantage les effets d'ombre. Vous devrez alors probablement utiliser un classificateur robuste.

EDIT: De plus, vous pouvez normaliser chaque pixel pour avoir une norme d'unité (en regardant chaque pixel comme un vecteur spectral). Cela devrait également aider à supprimer les effets d'ombre.

pixelmitch
la source
1

Je suggérerais ce que Stella a dit ci-dessous. Vous pouvez simplement le classer comme ombre pour ne pas nuire à votre précision. Bien sûr, assurez-vous que vous avez suffisamment de zones d'intérêt ou de zones de formation de l'ombre pour vous assurer que tout est classé. Si vous devez faire une présentation, vous pouvez dire que la plupart des zones d'ombre sont uniformes avec la partie latérale la plus proche de la montagne, ce qui signifie que si le côté de la montagne que le soleil frappe reflète des propriétés végétatives, l'autre côté serait aussi bien si le soleil le frappait. J'espère que cela t'aides. J'ai dû le faire et si vous ne classifiez pas l'ombre ou n'y appliquez pas de corrections, elle sera classée de la même manière que l'eau car elle présente des similitudes spectrales.

Jeremy
la source
0

Je suggérerais de classer les ombres séparément du reste de l'image. Si vous pouvez trouver une classe d'ombre distincte, masquez les pixels "d'ombre", puis étirez-les et reclassifiez (faites attention à l'étirement). Je ne suis pas un expert en classification d'images, mais je validerais certainement tous les résultats avec d'autres images.

Stella
la source